一种基于主成分分析法的多维表面肌电信号假手控制方法技术

本发明专利技术公开了一种基于主成分分析法的多维表面肌电信号假手控制方法，包括如下步骤：首先将设有24通道阵列肌电传感器的臂环佩戴至受试者前臂，将五个手指关节姿态传感器分别佩戴在受试者拇指的远节指骨和其余手指的中节指骨处；受试者进行五指独立弯曲伸展训练，同时采集肌电传感阵列数据与手指关节姿态传感器数据；使用主成分分析方法对肌电传感数据进行解耦，组成手指运动训练集；训练完毕后将佩戴在手指上的传感器移除；采取神经网络方法对上述手指运动训练集进行数据拟合，构建手指连续运动预测模型；使用手指连续运动模型预测当前手指的弯曲角度。本发明专利技术能够克服离散动作模态分类的非连贯性，最终达到对假手更加平滑流畅的控制。

A prosthetic hand multidimensional surface EMG signals based on principal component analysis method

The invention discloses a prosthetic hand multidimensional surface EMG signals based on principal component analysis of the control method comprises the following steps: first, there will be 24 channel array electromyography sensor to the subjects wearing armbands forearm, five fingers joint posture sensor are worn on the middle phalanx of the subjects at the distal phalanx and the thumb the rest of the fingers; subjects were five independent bend stretching, while collecting EMG sensor array data and finger joint attitude sensor data; analysis method to decouple the EMG sensor data using principal components, composition of finger movement training set; after training will be worn on the finger and remove sensor; adopt neural network method to the above the finger movement training set to fit the data, build sequential finger movement forecast model; using continuous motion model to predict the current finger finger Bending angle. The invention can overcome the non coherence discrete action modal classification, and ultimately achieve control of the prosthetic hand more smooth.

【技术实现步骤摘要】
一种基于主成分分析法的多维表面肌电信号假手控制方法
本专利技术涉及机械手控制方法，尤其涉及一种基于主成分分析法的多维表面肌电信号假手控制方法。
技术介绍
生机电一体化灵巧操作假肢是一种能与环境、人和其他机器人协同工作的智能交互设备，其通过采集人体的生物电信号，辨识操作者的动作意图。人工假肢的研究可以带动残疾人功能重建康复工程领域的技术创新，延伸和发展装备制造的科学内涵。其科学技术成果可辐射应用到高端医疗装备、生机电一体化智能机器人、危险环境勘查和灾难救援装备、国防装备等有关国计民生的重大领域，具有重要的战略意义。目前受广泛关注的一种生物电信号是表面肌电信号。由于表面肌电蕴含信息丰富，并且是无创采集，因而收到众多研究人员的青睐。将表面肌电应用于交互领域最成熟的方法是离散手势动作的模式识别，与离散动作的分类相比，关节连续运动估计对实现机器人运动的平滑控制更有价值，但在该方面的公开研究成果相对较少。由于不同受试者的前臂肌肉发达程度不同、操作习惯不同，往往较难提取出针对所有个体的普适运动规律，人的手指活动十分复杂，现有研究主要针对孤立手势进行识别，鲜有对手势的连续动作进行识别。本技术使用主成本文档来自技高网...

【技术保护点】
一种基于主成分分析法的多维表面肌电信号假手控制方法，其特征在于，包括如下步骤：(1)将设有阵列式肌电传感器的臂环佩戴至受试者前臂，将五个手指关节姿态传感器分别佩戴在受试者拇指的远节指骨和其余手指的中节指骨处；所述阵列式肌电传感器为24通道阵列肌电传感器；(2)受试者进行五指独立弯曲伸展训练，同时采集肌电传感阵列数据与手指关节姿态传感器数据；(3)使用主成分分析方法对肌电传感数据进行解耦，组成该受试者的手指运动训练集；所述手指运动训练集用矩阵表示，矩阵的行数为样本个数，列数为肌电传感器阵列通道数，使用主成分分析法将原24维数据降至5维；训练完毕后将佩戴在手指上的传感器移除；(4)采取神经网络方法...

【技术特征摘要】
1.一种基于主成分分析法的多维表面肌电信号假手控制方法，其特征在于，包括如下步骤：(1)将设有阵列式肌电传感器的臂环佩戴至受试者前臂，将五个手指关节姿态传感器分别佩戴在受试者拇指的远节指骨和其余手指的中节指骨处；所述阵列式肌电传感器为24通道阵列肌电传感器；(2)受试者进行五指独立弯曲伸展训练，同时采集肌电传感阵列数据与手指关节姿态传感器数据；(3)使用主成分分析方法对肌电传感数据进行解耦，组成该受试者的手指运动训练集；所述手指运动训练集用矩阵表示，矩阵的行数为样本个数，列数为肌电传感器阵列通道数，使用主成分分析法将原24维数据降至5维；训练完毕后将佩戴在手指上的传感器移除；(4)采取神经网络方法对上述手指运动训练集进行数据拟合，构建手指连续运动预测模型；(5)使用步骤(4)中的手指连续运动模型预测当前手指的弯曲角度。2.根据权利要求1所述的多维表面肌电信号假手控制方法，其特征在于：所述步骤(2)中的五指独立弯曲伸展训练具体包括：每根手指重复弯曲伸展动作十次，5根手指完成一轮动作后，间歇30秒，再进行第二组，一共两组；采集训练过程中的肌电信号...

【专利技术属性】
技术研发人员：宋爱国，胡旭晖，曾洪，徐宝国，李会军，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32