一种基于肌电手环的仿生手控制系统及控制方法技术方案

本发明专利技术提供了本发明专利技术提供了一种基于肌电手环的仿生手控制系统及方法，包括采集模块，用于采集使用者的肌电信号以及内置陀螺仪的方向、速度、加速度等信息，并将采集信息通过无线方式发送至控制模块；控制模块，用于接收采集模块发送的信号并对其进行处理，提取特征值，进行特征降维，并根据预先训练的分类器对信号进行分类识别，然后根据分类结果向执行模块和显示模块发出对应的执行指令；执行模块，用于接收并执行控制模块下发的指令，映射到各个电机的运动状态，控制仿生手的动作。本发明专利技术提高了系统的识别率，降低了程序复杂度，提升了系统的实时性，同时通过自学习纠错机制，能够针对不同的使用者对假肢做出准确的动作控制，提升了用户体验。

A bionic hand control system and control method based on electromyography Bracelet

The invention provides a bionic hand control system and a method based on an EMG hand ring, including a collection module for collecting the EMG signal of the user and the direction, speed, acceleration and other information of the built-in gyroscope, and transmitting the collected information to the control module by wireless means. Receiving and processing the signals sent by the acquisition module, extracting the eigenvalues, reducing the dimension of the features, classifying and recognizing the signals according to the pre-trained classifier, and then sending corresponding execution instructions to the execution module and the display module according to the classification results; the execution module is used to receive and execute the control module to send down. The instructions are mapped to the motion state of each motor to control the movements of bionic hands. The invention improves the recognition rate of the system, reduces the program complexity and enhances the real-time performance of the system. At the same time, through self-learning error correction mechanism, the prosthesis can be accurately controlled by different users, and the user experience is improved.

【技术实现步骤摘要】
一种基于肌电手环的仿生手控制系统及控制方法
本专利技术涉及肌电假肢领域，尤其涉及一种基于肌电手环的仿生手控制系统及控制方法。
技术介绍
据国家统计局2006年对我国残疾人口抽样调查数据推算，在全国各类残疾人中，肢体残疾人口最多，为2412万人，占总残疾人口的29.07％。由于意外事故、先天缺陷、疾病、自然灾害等原因，肢体残疾人口还在不断增加。因此，假肢手有着巨大的市场。目前，国内开发的肌电假肢手仍以单一动作模式为主，多动作模式的高端肌电假肢手主要依靠进口。而且现有的假肢手多存在穿戴麻烦，识别精度不高等缺点。申请号为CN201610379614.4的中国专利提出了一种使用MYO臂环对假肢进行控制的方案，极大程度上解决了穿戴麻烦的问题。然而对于假肢来说，最重要的是能够真实反映使用者的意图。该方案对识别的准确率考虑不足。而且采用神经网络分类器的运算量太大，不利于系统的实时性。同时，仅仅使用肌电信号来进行控制，就目前来看效果不是很好。另外，现有的假肢控制系统大多数采用出厂设置，在控制系统中将肌电信号与需要执行的动作指令建立对应关系，但由于个体使用者的机体差异，导致个体对同一动作所采集的肌电信号不同于控制系统中该动作所对应的预设的肌电信号，由此会导致控制系统对假肢发出错误的控制指令，使得假肢的动作不能真实反映使用者的意图，影响用户体验。
技术实现思路
针对现有技术的缺陷，本专利技术提出一种基于肌电手环的仿生手控制系统及控制方法，使用小波包变换，样本熵判别算法以及LDA降维方法，提高了整个系统的识别率，有效降低了程序复杂度，提升了系统的实时性。同时，通过肌电手环控制假肢，能够减轻使用者穿戴假肢时的负担。另外，控制系统通过自学习纠错机制，能够针对不同的使用者对假肢做出准确的动作控制，提升了用户体验。为实现上述目的，本专利技术提供了一种基于肌电手环的仿生手控制系统，所述控制系统包括采集模块、控制模块、执行模块，所述采集模块和执行模块分别与控制模块相连接；其特征在于，所述采集模块，采用肌电手环，用于采集使用者的肌电信号以及内置陀螺仪的方向，速度，加速度等信息，并将采集的所述信息通过无线通讯方式发送至所述控制模块；所述控制模块，用于接收采集模块发送的信号并对其进行处理，计算信号的样本熵，根据计算结果确定信号的起始点和终点，并对信号进行分割，获取单段信号；采用小波包变换获得信号的特征矩阵，提取特征值，对特征矩阵进行降维，并根据预先训练的分类器，使用支持向量机SVM算法及决策树对信号进行分类识别，获得分类结果，然后根据分类结果向执行模块发出对应的执行指令。所述执行模块，用于接收并执行控制模块下发的指令，映射到各个电机的运动状态，采用舵机对假肢动作进行控制。其中，使用支持向量机SVM算法及决策树对信号进行分类识别包括：对每个通道构建决策树，提取肌电信号特征，对每个提取到的特征，使用SVM进行分类，并统计本通道内所有分类器的分类结果，得票最高的结果作为本通道的分类输出结果；对所有通道的分类输出结果进行统计，得票最高的结果作为最终分类结果；如果得票最高的结果中存在得票相同的情况，则从得票相同的结果中随机选择一个作为最终分类结果。其中，所述将采集的所述信息通过无线通讯方式发送至所述控制模块包括：通过WiFi，ZigBee，蓝牙发送采集的信息。其中，对特征矩阵进行降维包括：采用线性判别式分析LDA方法或主成分分析PCA方法对特征矩阵进行降维。所述控制系统进一步包括纠错反馈模块、动作指定模块和显示模块，纠错反馈模块、动作指定模块和显示模块分别与控制模块相连接；纠错反馈模块，用于当控制系统的控制结果不能反映使用者的真实意图时，使用者通过纠错反馈模块通知控制模块，触发控制系统进入自学习纠错过程；动作指定模块，用于在自学习纠错过程中，在采集模块采集某一动作的肌电信号后，使用者通过动作指定模块选择需要指定的动作，使得控制系统能够将使用者选择的指定动作与采集的肌电信号建立映射关系；显示模块，用于以图形化的方式显示控制系统的控制结果，以及在自学习纠错过程中显示使用者选择的指定动作。本专利技术还提供一种基于肌电手环的仿生手控制方法，其特征在于，采集模块采用肌电手环，采集使用者的肌电信号以及内置陀螺仪的方向，速度，加速度等信息，并将采集的所述信息通过无线通讯方式发送至控制模块；控制模块接收采集模块发送的信号并对其进行处理，计算信号的样本熵，根据计算结果确定信号的起始点和终点，并对信号进行分割，获取单段信号；采用小波包变换获得信号的特征矩阵，提取特征值，对特征矩阵进行降维，并根据预先训练的分类器，使用支持向量机SVM算法及决策树对信号进行分类识别，获得分类结果，然后根据分类结果向执行模块发出对应的执行指令。执行模块接收并执行控制模块下发的指令，映射到各个电机的运动状态，采用舵机对假肢动作进行控制。其中，使用支持向量机SVM算法及决策树对信号进行分类识别包括：对每个通道构建决策树，提取肌电信号特征，对每个提取到的特征，使用SVM进行分类，并统计本通道内所有分类器的分类结果，得票最高的结果作为本通道的分类输出结果；对所有通道的分类输出结果进行统计，得票最高的结果作为最终分类结果；如果得票最高的结果中存在得票相同的情况，则从得票相同的结果中随机选择一个作为最终分类结果。其中，所述将采集的所述信息通过无线通讯方式发送至控制模块包括：通过WiFi，ZigBee，蓝牙发送采集的信息。其中，对特征矩阵进行降维包括：采用线性判别式分析LDA方法或主成分分析PCA方法对特征矩阵进行降维。所述控制方法进一步包括：当控制系统的控制结果不能反映使用者的真实意图时，使用者通过纠错反馈模块通知控制模块，触发控制系统进入自学习纠错过程；在自学习纠错过程中，在采集模块采集某一动作的肌电信号后，使用者通过动作指定模块选择需要指定的动作，使得控制系统能够将使用者选择的指定动作与采集的肌电信号建立映射关系；通过显示模块以图形化的方式显示控制系统的控制结果，以及在自学习纠错过程中显示使用者选择的指定动作。本专利技术使用小波包变换，样本熵判别算法以及LDA降维方法，提高了整个系统的识别率，有效降低了程序复杂度，提升了系统的实时性。另外，控制系统通过自学习纠错机制，能够针对不同的使用者对假肢做出准确的动作控制，提升了用户体验。通过参照以下附图及对本专利技术的具体实施方式的详细描述，本专利技术的特征及优点将会变得清楚。附图说明图1是本专利技术实施例一中控制系统的结构示意图；图2是本专利技术实施例一中决策树算法的流程示意图；图3是本专利技术实施例二中控制系统的结构示意图；图4是本专利技术实施例三中控制方法的流程示意图。具体实施方式为了使本专利技术的技术方案更加清楚、明了，下面将结合附图作进一步详述，应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一：如图1所示，本专利技术提供了一种基于肌电手环的仿生手控制系统，所述控制系统包括采集模块、控制模块、执行模块，所述采集模块和执行模块分别与控制模块相连接；所述采集模块，，采用肌电手环，用于采集使用者的肌电信号以及内置陀螺仪的方向，速度，加速度等信息，并将采集的所述信息通过无线通讯方式发送至所述控制模块；具体地，采集模块以肌电手环的方式实现，本实施例中，使用者佩戴肌电手环本文档来自技高网...

【技术保护点】
1.一种基于肌电手环的仿生手控制系统，所述控制系统包括采集模块、控制模块、执行模块，所述采集模块和执行模块分别与控制模块相连接；其特征在于：所述采集模块，采用肌电手环，用于采集使用者的肌电信号以及内置陀螺仪的方向，速度，加速度等信息，并将采集的所述信息通过无线通讯方式发送至所述控制模块；所述控制模块，用于接收采集模块发送的信号并对其进行处理，计算信号的样本熵，根据计算结果确定信号的起始点和终点，并对信号进行分割，获取单段信号；采用小波包变换获得信号的特征矩阵，提取特征值，对特征矩阵进行降维，并根据预先训练的分类器，使用支持向量机SVM算法及决策树对信号进行分类识别，获得分类结果，然后根据分类结果向执行模块发出对应的执行指令；所述执行模块，用于接收并执行控制模块下发的指令，映射到各个电机的运动状态，采用舵机对假肢动作进行控制。

【技术特征摘要】
1.一种基于肌电手环的仿生手控制系统，所述控制系统包括采集模块、控制模块、执行模块，所述采集模块和执行模块分别与控制模块相连接；其特征在于：所述采集模块，采用肌电手环，用于采集使用者的肌电信号以及内置陀螺仪的方向，速度，加速度等信息，并将采集的所述信息通过无线通讯方式发送至所述控制模块；所述控制模块，用于接收采集模块发送的信号并对其进行处理，计算信号的样本熵，根据计算结果确定信号的起始点和终点，并对信号进行分割，获取单段信号；采用小波包变换获得信号的特征矩阵，提取特征值，对特征矩阵进行降维，并根据预先训练的分类器，使用支持向量机SVM算法及决策树对信号进行分类识别，获得分类结果，然后根据分类结果向执行模块发出对应的执行指令；所述执行模块，用于接收并执行控制模块下发的指令，映射到各个电机的运动状态，采用舵机对假肢动作进行控制。2.根据权利要求1所述的系统，其特征在于，使用支持向量机SVM算法及决策树对信号进行分类识别包括：对每个通道构建决策树，提取肌电信号特征，对每个提取到的特征，使用SVM进行分类，并统计本通道内所有分类器的分类结果，得票最高的结果作为本通道的分类输出结果；对所有通道的分类输出结果进行统计，得票最高的结果作为最终分类结果；如果得票最高的结果中存在得票相同的情况，则从得票相同的结果中随机选择一个作为最终分类结果。3.根据权利要求1所述的系统，其特征在于，所述将采集的所述信息通过无线通讯方式发送至所述控制模块包括：通过WiFi，ZigBee，蓝牙发送采集的信息。4.根据权利要求1所述的系统，其特征在于，对特征矩阵进行降维包括：采用线性判别式分析LDA方法或主成分分析PCA方法对特征矩阵进行降维。5.根据权利要求1-4任一项所述的系统，其特征在于，所述控制系统进一步包括纠错反馈模块、动作指定模块和显示模块，纠错反馈模块、动作指定模块和显示模块分别与控制模块相连接；纠错反馈模块，用于当控制系统的控制结果不能反映使用者的真实意图时，使用者通过纠错反馈模块通知控制模块，触发控制系统进入自学习纠错过程；动作指定模块，用于在自学习纠错过程中，在采集模块采集某一动作的肌电信号后，使用者通过动作指定模块选择需要指定的动作，使得控制系统能够将使用者选...

【专利技术属性】
技术研发人员：王飞，张岩岭，李亚名，陶睿鹏，程干，张彤旭，于振中，李文兴，
申请(专利权)人：哈工大机器人合肥国际创新研究院，
类型：发明
国别省市：安徽,34