一种面对智能下肢假肢的人体运动意图预知识别方法技术

本发明专利技术公开了一种基于智能下肢假肢的人体运动意图识别方法，本发明专利技术解决了传统人体运动意图识别方法具有滞后性的问题，在佩戴假肢的患侧的运动模式转换之前，根据嵌入假肢或绑定在健侧的传感器产生的时序数据，对残疾人患者的运动意图进行准确地识别，并且，相比于传统意图识别方法中所用到的多种传感器，本发明专利技术只用了一种传感器，即惯性传感器，就能够准确的识别人体运动意图。本发明专利技术包括以下步骤：意图识别数据采集及数据库建立；意图识别数据预处理；意图识别数据特征提取；分类模型选择与模型训练和完成意图识别。本发明专利技术为智能下肢假肢的运动意图识别方法提供实验数据何识别方法，以此推动智能假肢的发展，更好地服务于下肢截肢患者。

A pre recognition and recognition method for human motion intention in the face of intelligent limb prosthesis

The invention discloses an intention recognition method of human motion based on intelligent lower limb prosthesis, the invention solves the traditional human motion intention recognition method has a lag problem, before the motion mode conversion in the patients wearing prosthetic side, according to time series data from sensors embedded in the contralateral limb or binding of the disabled patients the movement intention of accurate identification, and a variety of sensors, compared to traditional intention recognition method used in the present invention, only one sensor, namely inertial sensors can accurately recognize the human motion intention. The invention includes the following steps: intention recognition, data acquisition and database establishment, intention recognition, data preprocessing, intention recognition, data feature extraction, classification model selection, model training and completion intention recognition. The invention provides experimental data recognition method for intelligent lower limb prosthetic motion intention recognition method, so as to promote the development of intelligent prosthesis and better serve lower limb amputation patients.

【技术实现步骤摘要】
一种面对智能下肢假肢的人体运动意图预知识别方法
本专利技术属于人工智能及计算机模式识别领域，具体涉及一种面对智能下肢假肢的人体运动意图预知识别方法。
技术介绍
全国残疾人抽样调查结果显示，我国现有各类残疾人总数逾8000万，其中肢体残疾者超过2400万肢体的残缺严重影响了残疾人士的正常生活和工作。残疾人康复假肢是肢体残疾人解决行动障碍的重要手段之一。区别于上肢假肢，下肢假肢控制涉及人体运动平衡问题，对残疾人日常生活的影响十分关键。目前虽然已经有一些商业化的下肢假肢，但其中绝大多数假肢的关节是无动力的。残疾人穿戴这类假肢行走，要比健康人多耗费20％-30％的能量，对于更加复杂的行走环境，比如楼梯和凹凸不平的路面，残疾人走起来会非常吃力，且无法维持运动稳定性。实现引入机器人技术的智能下肢已成为国际研究热点，重点主要包括两个方面：智能肢体的设计与控制以及基于惯性传感器的人体运动意图识别研究。前者主要关注如何利用智能仿生技术设计假肢的机械结构和控制方法，使假肢关节在行走过程中具有更接近于人体关节的力学特性，而后者则关注如何根据采集的人体生物信号(如，表面肌电信号)和假肢传感器信号(如，加速度与关节角度)识别出人的运动意图，并根据识别结果调整假肢的控制参数，以实现自然、流畅、稳定的行走。在下肢智能假肢控制研究中，比较常用的控制策略为分层控制策略。如图2所示，高层控制器识别人的运动意图，中层控制器把运动意图转换为相应控制算法，底层控制器根据控制算法实现闭环控制、驱动假肢运动。本专利技术所提出的运动意图识别方法属于高层控制部分。人体运动意图识别在穿戴智能动力下肢假肢控制系统中起着至关重要的作用，人体运动意图识别的最终目的是准确、及时地解码人神经中枢中运动意图的信息，智能下肢假肢的底层控制器根据此运动意图信息来选择相应的控制策略。因此，建立一个完善的面向智能下肢假肢的人体运动意图识别数据库是十分必要的。研究人员尝试各种方法使得数据库包含丰富的下肢假肢运动意图信息，但在实际条件下，建立数据库往往存在以下问题：1.实验场地有限，获取的数据场景单一；2.残疾人志愿者数量较少，且行动不便，使其佩戴假肢正常行走需要耗费大量时间与金钱成本。本专利技术试图通过合理的数据库建立方法规避以上问题。
技术实现思路
为了解决上述问题，本专利技术提供一种面对智能下肢假肢的人体运动意图预知识别方法，所述方法通过建立意图识别数据库并将数据嵌入假肢或绑定在健侧，当佩戴假肢的患侧的运动模式转换之前，根据嵌入假肢或绑定在健侧的传感器产生的时序数据，对残疾人患者的运动意图进行准确地预知识别；进一步地，所述方法包括：S1：意图识别数据采集并建立数据库:受试者穿戴惯性传感器，按照预先定义好的迈步顺序运动，收集其运动数据并建立数据库；S2：意图识别数据预处理：对采集到的数据进行去噪，以及异常数据去除和修补；S3：意图识别数据特征提取：选择能区分不同类别运动的特征属性，并提取样本数据特征；S4：分类模型选择与模型训练，选择合适的分类模型进行训练；S5：完成意图识别，成功识别出运动意图；进一步地，所述S1具体包括：S11：选择2n名受试者，男女比例相等，其中n为正整数，每个健康的受试者在模拟患侧和模拟健侧的大腿与小腿以及脚踝处分别穿戴惯性传感器，所述惯性传感器能够记录人体运动时每个时刻的加速度和角速度运动学信息，并随时间累计产生多数据通道的时序数据，数据按照传感器的结构，逐帧保存在文件中；S12：按照预先定义好的交替迈步顺序，依次模拟残疾人稳态步态行为和转换步态行为，所述稳态步态行为包括平地行走，上楼，下楼，上坡和下坡，所述转换步态行为包括平地行走向上坡转换、平地行走向下坡转换、平地行走向上楼转换、平地行走向下楼转换、上坡向平地行走转换、下坡向平地行走转换、上楼向平地行走转换和下楼向平地行走转换；S13：对惯性传感器产生的意图识别数据进行记录与归类，并转换成能够被数据分析软件直接读取的数据文件，每个受试者的意图识别数据分开记录保存，且每个不同的步态行为需要标上相应的标签，用于后续的意图识别算法进行有监督的学习与分类；进一步地，所述S2具体包括：S21：对原始数据进行去噪处理，对异常数据进行剔除，对缺失数据进行修补；S22：以每一个脚步从离地开始到触地，先将长序列切成一小步一小步，然后再在一小步里面加窗切割成45帧的窗口；S23：对切割后的数据进行加窗处理，使所有样本数据窗口大小相等，所述样本中运用的数据是从脚离地开始往后的45帧数据，所有数据的窗口都是相等的，窗口长度选取的是45帧，长度是极小的，而且每45帧为1/4个步态周期，时间为从一只脚离地开始，摆动的一段时间，脚尖还没有触地，所述加窗处理具体为使得所有数据都是从脚离地开始往后的45帧数据；S24：在在切割好以后的窗口内的数据中再提取所需的数据；进一步地，在S24中对于转换行为，均提取转换步的样本数据，所述转换步为从前一个模式转换到后一个模式，同一侧脚离地到脚触地的过程；对于稳态行为，均提取对应的同一只脚从离地开始到下一次触地的数据；进一步地，所述S3具体包括：S31：对于转换行为，提取转换步的时候处于摆动相那只腿的数据，对于稳态行为，提取同一只脚的摆动相的相同数据，确保所有数据在传感器位置，窗口长度均一致；S32：提取数据特征过程中，两条腿交替迈出，在一个步态周期中，每条腿都经历两个阶段，分别为支撑阶段和摆动阶段，其中一只腿处于支撑阶段，另一只腿处于摆动阶段，在S24切割好的数据中，选取处于摆动期的大腿、小腿以及脚踝三个传感器，并分别提取三个传感器采集到的数据的均值、方差和极值；进一步地，所述S4包括：S41：选择支持向量机进行分类；S42：采用以径向基函数作为核函数的SVM，对意图识别数据所提取的特征进行分类；S43：结合网格搜索法与K折交叉验证法选取S42中SVM的最优参数，防止过拟合或欠拟合现象的发生，以此得到最优的分类模型。8、根据权利要求7所述的方法，其特征在于，S43中SVM求解方法如下：s.ty(ω·xi+b)≥1-ξi,i＝1,2,3,...,nξ≥0，其中，ξi称为松弛变量，C为惩罚函数，径向基核函数的形式如下：其中，σ为核半径；进一步地，所述S11中模拟健侧为右侧，模拟患侧为左侧；进一步地，所述S31中在运动模式转换时，可以对运动意图进行识别，智能假肢的高层控制器可以以此结果提前改变相应的控制参数，更好地控制假肢；本专利技术的有益效果如下：1)在佩戴假肢的患侧的运动模式转换之前，根据嵌入假肢或绑定在健侧的传感器产生的时序数据，对残疾人患者的运动意图进行准确地识别，解决了传统人体运动意图识别方法具有滞后性的问题；2)系统内包含丰富的下肢假肢运动意图信息，解决了在实际条件下实验场地有限，获取的数据场景单一；残疾人志愿者数量较少，且行动不便，使其佩戴假肢正常行走需要耗费大量时间与金钱成本等问题。附图说明图1为本专利技术所述方法的流程图；图2为本专利技术
技术介绍
中所述分层控制策略图；图3为本专利技术所述方法中加窗处理示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本专利技术，并不用于限定本专利技术。相反，本专利技术本文档来自技高网...

【技术保护点】
一种面对智能下肢假肢的人体运动意图预知识别方法，其特征在于，所述方法通过建立意图识别数据库并将数据嵌入假肢或绑定在健侧，当佩戴假肢的患侧的运动模式转换之前，根据嵌入假肢或绑定在健侧的传感器产生的时序数据，对残疾人患者的运动意图进行准确地预知识别。

【技术特征摘要】
1.一种面对智能下肢假肢的人体运动意图预知识别方法，其特征在于，所述方法通过建立意图识别数据库并将数据嵌入假肢或绑定在健侧，当佩戴假肢的患侧的运动模式转换之前，根据嵌入假肢或绑定在健侧的传感器产生的时序数据，对残疾人患者的运动意图进行准确地预知识别。2.根据权利要求1所述的方法，其特征在于，所述方法包括：S1：意图识别数据采集并建立数据库:受试者穿戴惯性传感器，按照预先定义好的迈步顺序运动，收集其运动数据并建立数据库；S2：意图识别数据预处理：对采集到的数据进行去噪，以及异常数据去除和修补；S3：意图识别数据特征提取：选择能区分不同类别运动的特征属性，并提取样本数据特征；S4：分类模型选择与模型训练，选择合适的分类模型进行训练；S5：完成意图识别，成功识别出运动意图。3.根据权利要求2所述的方法，其特征在于，所述S1具体包括：S11：选择2n名受试者，男女比例相等，其中n为正整数，每个健康的受试者在模拟患侧和模拟健侧的大腿与小腿以及脚踝处分别穿戴惯性传感器，所述惯性传感器能够记录人体运动时每个时刻的加速度和角速度运动学信息，并随时间累计产生多数据通道的时序数据，数据按照传感器的结构，逐帧保存在文件中；S12：按照预先定义好的交替迈步顺序，依次模拟残疾人稳态步态行为和转换步态行为，所述稳态步态行为包括平地行走，上楼，下楼，上坡和下坡，所述转换步态行为包括平地行走向上坡转换、平地行走向下坡转换、平地行走向上楼转换、平地行走向下楼转换、上坡向平地行走转换、下坡向平地行走转换、上楼向平地行走转换和下楼向平地行走转换；S13：对惯性传感器产生的意图识别数据进行记录与归类，并转换成能够被数据分析软件直接读取的数据文件，每个受试者的意图识别数据分开记录保存，且每个不同的步态行为需要标上相应的标签，用于后续的意图识别算法进行有监督的学习与分类。4.根据权利要求3所述的方法，其特征在于，所述S2具体包括：S21：对原始数据进行去噪处理，对异常数据进行剔除，对缺失数据进行修补；S22：以每一个脚步从离地开始到触地，先将长序列切成一小步一小步，然后再在一小步里面加窗切割成45帧的窗口；S23：对切割后的数据进行加窗处理，使所有样本数据窗口大小相等，所述样本中运用的数据是从脚离地...

【专利技术属性】
技术研发人员：苏本跃，王婕，刘双庆，向馗，
申请(专利权)人：安庆师范大学，
类型：发明
国别省市：安徽,34