本申请涉及数据预测，特别是涉及一种步态序列预测方法、装置、计算机设备、存储介质和产品。
背景技术：
1、步态序列数据指在运动过程中髋、膝、踝、肩、肘、腕等关节部位的运动数据，其决定了身体的空间位置和姿态。步态长周期预测是人机协作系统，例如外骨骼机器人，协作机械臂的基础输入，对于其运动规划和助力控制至关重要。
2、相关技术使用自适应振荡器对准周期性的关节运动轨迹进行参数同步实现轨迹预测，并将其应用在外骨骼的周期性步态助力控制中。但上述方式只能对周期性较强的短期步态序列进行建模预测，在非规律性步态和长周期步态预测方面性能较差。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高长期步态预测性能的步态序列预测方法、装置、计算机设备、存储介质和产品。
2、第一方面，本申请提供了一种步态序列预测方法，方法包括：
3、对步态时间序列进行通道拆分处理，得到多个独立通道的单变量时间序列；
4、将各单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到目标预测序列。
5、在其中一个实施例中，上述目标序列预测模型包括依次连接的输入层、编码器和输出层；将各单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到目标预测序列，包括：
6、对于每个单变量时间序列，将单变量时间序列输入输入层中进行时间划分处理得到多个序列片段，并对各序列片段进行词嵌入处理和位置编码处理，得到多个第一时间序列；
7、将多个第一时间序列输入编码器中进行长期依赖关系的特征提取处理，得到多个潜在特征；
8、将多个潜在特征输入输出层中进行降维展开处理，得到多个低维度特征，并对多个低维度特征进行线性连接处理，得到目标预测序列。
9、在其中一个实施例中，上述将单变量时间序列输入输入层中进行时间划分处理得到多个序列片段，包括：
10、将单变量时间序列输入到输入层中进行归一化处理，得到处理后的时间序列；以及
11、将处理后的时间序列按照不同时间步进行划分处理，得到多个序列片段。
12、在其中一个实施例中，上述编码器包括依次连接的多头注意力层、第一数据处理层、前馈网络层和第二数据处理层；将多个第一时间序列输入编码器中进行长期依赖关系的特征提取处理，得到多个潜在特征，包括：
13、将多个第一时间序列输入多头注意力层中，对多个第一时间序列的长期依赖关系进行多维语义特征提取处理，得到多个第一特征向量；
14、将各第一特征向量输入第一数据处理层中进行层归一化处理，得到多个第二特征向量；
15、将各第二特征向量输入前馈网络层中进行数据增强处理，得到多个第三特征向量；
16、将各第三特征向量输入第二数据处理层中进行层归一化处理，得到多个潜在特征。
17、在其中一个实施例中，上述目标序列预测模型的训练过程包括：
18、获取多个样本序列片段；
19、对各样本序列片段进行掩码处理，得到训练样本；
20、将训练样本输入初始序列预测模型中进行预测处理，得到训练预测结果；
21、根据训练预测结果和损失函数，确定目标序列预测模型；损失函数用于量化训练预测样本和真实样本的误差。
22、在其中一个实施例中，上述对各样本序列片段进行掩码处理，得到训练样本，包括：
23、对各样本序列片段进行随机采样处理，得到多个采样序列；
24、将各采样序列进行掩码处理，得到训练样本。
25、第二方面，本申请还提供了一种步态序列预测装置。该装置包括：
26、序列确定模块，用于对步态时间序列进行通道拆分处理，得到多个独立通道的单变量时间序列；
27、序列预测模块，用于将各单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到目标预测序列。
28、第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
29、对步态时间序列进行通道拆分处理，得到多个独立通道的单变量时间序列；
30、将各单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到目标预测序列。
31、第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
32、对步态时间序列进行通道拆分处理，得到多个独立通道的单变量时间序列；
33、将各单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到目标预测序列。
34、第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
35、对步态时间序列进行通道拆分处理，得到多个独立通道的单变量时间序列；
36、将各单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到目标预测序列。
37、上述步态序列预测方法、装置、计算机设备、存储介质和产品，通过对步态时间序列进行通道拆分处理，得到多个独立通道的单变量时间序列；将各单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到目标预测序列。本申请的目标序列预测模型可以进行长时间维度的划分处理，从而可以实现长周期多维步态序列数据的预测。并且，本申请还将输入的步态时间序列划分为独立通道的单变量时间序列，每个序列独立进入预测模型网络重新组合为最终的多维预测序列，不同通道预测共享相同的预测模型和模型参数，以实现数据的多维度预测。
1.一种步态序列预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标序列预测模型包括依次连接的输入层、编码器和输出层；所述将各所述单变量时间序列输入预先构建的目标序列预测模型进行长时间维度上的划分处理和依赖关系提取处理，得到所述目标预测序列，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述单变量时间序列输入所述输入层中进行时间划分处理得到多个序列片段，包括：
4.根据权利要求2所述的方法，其特征在于，所述编码器包括依次连接的多头注意力层、第一数据处理层、前馈网络层和第二数据处理层；所述将多个所述第一时间序列输入所述编码器中进行长期依赖关系的特征提取处理，得到多个潜在特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述目标序列预测模型的训练过程包括：
6.根据权利要求5所述的方法，其特征在于，所述对各所述样本序列片段进行掩码处理，得到训练样本，包括：
7.一种步态序列预测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
