1.一种肌电数据自动标注方法，其特征在于：其包括以下步骤：S1、从肌电数据库中获取肌电手势数据和对应的Leap Motion信号数据；

S2、对肌电手势数据进行活动段提取t0～t1并以此同步分割Leap Motion在t0～t1时间内的信号；

S3、对分割后的Leap Motion信号进行特征提取，其具体包括以下子步骤：S31、对Leap Motion信号首先进行带通滤波来去除环境噪声以及运动伪迹，并通过短时活动能量法进行肌电手势数据活动段标记，具体方法如下：设有n个通道，Xi，j，k表示第k个窗口第j个通道的第i个采样点，在之后的m毫秒内，采样率1000Hz下共有m个采样点，m个采样点的平均短时能量Ek的计算公式为：S32、根据采集的静息状态阈值Vth，判断该采集点之后的数据是否为活动段数据，具体判断公式为：

超过阈值时间段即为活动段区间t0～t1，并以此分割t0～t1时间内采集的Leap Motion信号；

S33、根据分割的Leap Motion信号计算每个手指长度、指尖坐标位置的距离作为原始数据；

在步骤S33中，对Leap Motion获取的手指长度以及指尖坐标位置特征进一步计算来进行K均值聚类，K均值聚类的具体方法如下：获得手部五根手指长度和指尖坐标位置后采用三层小波分解的小波降噪方法对其进行分段，公式如下：c(t)＝f(C(t))＝fL(fw(C(t)))，i＝1，2，...，N其中，fL代表滑动长度为L的滑动窗口，fw为小波去噪函数，公式如下：小波函数应满足∫ψ(t)＝0，ψ代表离散小波，C(t)表示分解为不同尺度的离散小波，公式如下：

j j

其中，dj(i)代表尺度为2的小波系数，aJ(i)尺度为2的尺度系数，将小波分解为3层分解即j＝3；

S34、采用三层层次结构K均值聚类方法对肌电手势数据进行聚类，使用三层结构能够有效的提高计算速度和聚类准确率；

S4、根据S4步骤中对Leap Motion的t0～t1数据段所标注的手势标签对相应的t0～t1肌电数据进行对应标注，实现肌电手势数据的自动标注。

2.根据权利要求1所述的肌电数据自动标注方法，其特征在于：对长度为L的Leap Motion数据做三层小波包分解的分段取平均值作为聚类方法的输入特征。

3.根据权利要求1所述的肌电数据自动标注方法，其特征在于：步骤S34中三层结构的具体聚类方法为：在第一层通过手指长度的小波分解特征对手势进行初步聚类，在第二层通过手指坐标位置小波分解特征对手势进一步聚类，在最后一层通过上述两种特征融合对手势进行进一步聚类。