一种假肢关节运动耦合驱动信号的采集运算方法技术

本发明专利技术属于生物肌电技术领域，具体涉及一种假肢关节运动耦合驱动信号的采集运算方法，是基于多维AR模型的EMG信号解码技术实现的，采用多维AR模型（mAR）识别多通道EMG信号的特征参数，开发了LDA特征降维算法程序，对特征向量进行降维处理，采用神经网络进行动作模式分类。该研究的主要目标是比较一维信号处理方法和多维信号处理方法在EMG信号特征分析与模式分类中的应用效果，研究多通道EMG信号之间的相关性及其对关节运动的耦合驱动特征。本发明专利技术具有识别率高，动作准确等特点。

【技术实现步骤摘要】

本专利技术涉及假肢控制
，特别涉及。
技术介绍
EMG信号是一种复杂的表皮下肌肉电活动在皮肤表面处的时间和空间上的综合结果，已被广泛地应用于肌肉运动、肌肉损伤诊断、康复医学及体育运动等方面的研究，通常，从相应屈伸动作的肌肉表面皮肤处所测取的多通道EMG信号，既可为控制假肢运动提供一个安全、非侵入的控制方式，也可用于人类运动和生物机械的研究。随着检测技术、信号处理方法和计算机技术的发展，研究如何从表面肌电中识别出肢体的多种运动模式已经成为康复医学界研究的热点问题之一。
技术实现思路
针对上述技术问题，本专利技术提供一种识别率高，能够提高生物机械接口的动作识别率的采集运算方法。实现本专利技术的技术方案如下:，是基于多维AR模型的EMG信号解码技术实现的，包括以下步骤:第一步:测量EMG信号之间的通道i数据；记为Y = [?,<,…丨,(i = l,…，n，η为通道数)，第二步:通过mAR模型对第一步所采集的EMG信号进行特征分析；Xk-A1X^1+A2Xk_2+...+ApXk_p+ek所述Zieir是η维随机状态矢量，4 e Rbxb为模型的系数矩阵，ei为η维残差向量，P为mAR模型的阶数，k为采样时刻，所述mAR模型可表示为矩阵形式:[0011 ] 所述mAR模型可表示为矩阵形式:

【技术保护点】
一种假肢关节运动耦合驱动信号的采集运算方法，是基于多维AR模型的EMG信号解码技术实现的，其特征包括以下步骤：第一步：测量EMG信号之间的通道i数据；记为（i＝1,…,n，n为通道数），第二步：通过mAR模型对第一步所采集的EMG信号进行特征分析；Xk=A1Xk‑1+A2Xk‑2+...+ApXk‑p+ek所述是n维随机状态矢量，为模型的系数矩阵，ei为n维残差向量,p为mAR模型的阶数，k为采样时刻，所述mAR模型可表示为矩阵形式：所述mAR模型的系数矩阵可由最小二乘法求得：A=bXT(XXT)‑1所述在mAR模型中，每个系数矩阵Aj（j＝1,…,p）中包含n2个参数，因此p阶、n维AR模型共有p·n2个参数，第三步：通过LDA算法程序对第二步中分析出的mAR模型的72维参数特征向量进行降维处理，得到7维特征向量；第四步：采用BP网络作为动作模式分类器，网络节点数为k‑10‑8（k=7为输入模式向量维数，输出层节点数8为动作模式数），隐层结点数10，为了便于比较分析，采用标量AR模型（sAR模型）对6通道EMG信号分别建模，sAR模型阶数为4，同样采用LDA方法对24（4×6）维参数向量降维，并利用神经网络进行分类。...

【技术特征摘要】
1.一种假肢关节运动耦合驱动信号的采集运算方法，是基于多维AR模型的EMG信号解码技术实现的，其特征包括以下步骤: 第一步:测量EMG信号之间的通道i数据；记为义j , ...

【专利技术属性】
技术研发人员：韩晓新，
申请(专利权)人：韩晓新，
类型：发明
国别省市：江苏;32