一种结合脉冲神经网络和超维计算的肌电信号分类检测方法及系统

本发明属于肌电信号分类检测技术领域，公开了一种结合SNN和HDC的肌电信号分类检测方法，本发明提出一种结合SNN和HDC的肌电信号分类检测框架，旨在实现超低功耗操作。该框架中，SNN利用随机未训练权重执行事件驱动的特征提取，从而最大限度地减少计算开销；HDC则通过高维表示实现抗噪声分类。两者的集成不仅实现了节能的实时检测，还特别适合应用于可穿戴设备等资源受限的场景。所提出的方法在三类疲劳识别任务中实现了95％的平均准确率(峰值准确率为96.44％)，训练速度比一维卷积神经网络(1D‑CNN)快5.7倍，比五维长短期记忆网络(5D‑LSTM)快45倍。即使在仅使用20％训练数据的情况下，该方法仍能保持90％以上的准确率，充分证明了其在实际部署中的高效性和鲁棒性。