一种假手腕关节人机自然驱动角度的肌电连续解码方法技术

本发明专利技术公开了一种假手腕关节人机自然驱动角度的肌电连续解码方法，该方法让残疾人想象其缺失手与健全手做相同角度的腕关节运动，此时采集残疾人残肢前臂的表面肌电信号与健侧腕关节运动角度，从而建立表面肌电信号连续解码假手腕关节人机自然驱动角度模型。本发明专利技术操作简单且精确度高。三维运动捕捉系统可以同时实现高分辨率与高捕捉频率，由此计算的关节角度具有高精确性；与传统佩戴式角度传感器相比，不会对表面肌电信号造成压迫式干扰；具有与肌电仪同步采集的接口，能够实现三维运动捕捉角度与表面肌电信号采集同时进行。此外，肌电仪的采样频率为2048Hz，可以实时采集表面肌电信号变化情况。

【技术实现步骤摘要】
一种假手腕关节人机自然驱动角度的肌电连续解码方法
本专利技术属于智能假手与生机电一体化
，涉及一种假手腕关节人机自然驱动角度的肌电连续解码方法。
技术介绍
根据中国残联最新统计资料显示，我国现今肢体残疾人数约为2472万人，其中手部残疾患者达上千万。手部功能的缺失不仅影响残疾人的生活与工作，更给其心理带来沉重打击。传统假手只起到修饰功能，不能满足其日常生活所需。智能假手的出现弥补了传统假手功能的不足，其中肌电控制假手因穿戴方便、控制准确、功能强大而成为研究的热点。人体表面肌电信号是一种生物电信号，能够客观的反应人体的运动状态并且会超前实际动作产生，具有预见性，可以实现人体运动意图的感知。现有的肌电假手，大部分将研究重点放在利用表面肌电信号识别人手动作分类从而实现假手抓取动作预测，然而在假手运动过程中，腕关节的驱动角度很大程度上决定了假手操作的灵活性，所以为了实现假手更好的拟人化，利用手臂残存的表面肌电信号解码假手腕关节人机自然驱动角度显得极其重要。基于此，利用手臂表面肌电信号连续解码手腕关节运动角度从而提供合适的假手腕关节人机自然驱动角度是当前研究的关键点。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供一种假手腕关节人机自然驱动角度的肌电连续解码方法，该方法让残疾人想象其缺失手与健全手做相同角度的腕关节运动，此时采集残疾人残肢前臂的表面肌电信号与健侧腕关节运动角度，从而建立表面肌电信号连续解码假手腕关节人机自然驱动角度模型。实现利用残肢前臂表面肌电信号连续解码假手腕关节人机自然驱动角度，从而满足手部残疾患者日常生活所需。为达到上述目的，本专利技术采用以下技术方案予以实现：一种人手臂表面肌电信号连续解码假手腕关节人机自然驱动角度的方法，包括下述步骤：第一步：利用动作捕捉系统记录健侧手腕关节运动三维坐标，通过人手腕关节运动学建模方法计算手腕弯曲/伸展角度。上述方法中，选取合理的腕关节运动捕捉方案并建立腕关节局部坐标系，建立腕关节运动模型，利用运动学方法计算出腕关节在弯曲伸展过程中的角度变化。最终得到腕关节弯曲伸展角度公式如下：θ＝arccos(T·i2·i1)式中，T为腕关节局部坐标系到肘关节局部坐标系的转换矩阵，i1、i2分别为肘关节和腕关节矢状轴方向的单位矢量。第二步：利用肌电采集仪同步采集前臂残存侧六块肌肉的表面肌电信号。所述六块残存肌肉分别为桡侧腕长伸肌、桡侧腕屈肌、尺侧腕长伸肌、尺侧腕屈肌、指总伸肌、指浅屈肌。第三步：对采集到的六通道表面肌电信号进行预处理与特征提取。由于表面肌电仪采样频率为2048Hz，三维运动捕捉系统采样频率为100Hz，所以对表面肌电信号特征值进行重采样，实现表面肌电信号与腕关节运动学数据具有相同的采样频率。第四步：采用机器学习的方法，建立BP神经网络，实现人手臂表面肌电信号连续解码腕关节弯曲/伸展的角度。首先设置BP神经网络的网络参数，其次对BP神经网络进行训练，最后对其进行测试。上述方法中，构建三层BP神经网络，提取表面肌电信号的肌电活跃强度特征值作为网络输入，由腕关节运动学模型计算的关节角度作为网络输出，中间层设置10个神经元，每个神经元采用Sigmoid作用函数。第五步：采集残侧前臂表面肌电信号，将采集到的表面肌电信号进行预处理与特征提取。将肌电活跃强度特征值输入手腕关节角度连续解码模型，输出连续变化的手腕关节运动角度，并计算网络预测关节角度与运动学计算出的关节角度之间的线性相关系数，判断人手臂表面肌电信号连续解码假手腕关节人机自然驱动角度的准确性。与现有技术相比，本专利技术具有以下有益效果：本专利技术操作简单且精确度高。三维运动捕捉系统可以同时实现高分辨率与高捕捉频率，由此计算的关节角度具有高精确性；与传统佩戴式角度传感器相比，不会对表面肌电信号造成压迫式干扰；具有与肌电仪同步采集的接口，能够实现三维运动捕捉角度与表面肌电信号采集同时进行。此外，肌电仪的采样频率为2048Hz，可以实时采集表面肌电信号变化情况。本专利技术建立了表面肌电信号连续解码假手腕关节驱动角度的预测模型。骨骼肌的拉伸与收缩带动腕关节运动，在肌肉收缩过程中，与之对应的表面肌电信号幅值会有不同的变化，所以可以利用表面肌电信号的肌电活跃强度连续解码假手腕关节人机自然驱动角度。让残疾人想象着缺失手与健全手的腕关节同步进行相同的运动，经过运动想象训练之后，利用健全侧腕关节运动角度作为残侧假手的腕关节人机自然驱动角度。模型输入为残侧前臂表面肌电信号，避免了由健全人建模到残疾人建模带来的个体性差异，从而实现了表面肌电信号连续解码假手腕关节人机自然驱动角度，在生物医疗、人机工程等领域具有潜在的应用价值。附图说明图1是手臂表面肌电信号连续解码假手腕关节人机自然驱动角度的方法框图；图2是右侧上肢标记点位置和坐标系设置示意图；其中P1为肘关节处，P2为前臂桡侧处，P3为手腕外侧处，P4为手腕内侧处，P5为右手中指掌指关节处；图3是腕关节弯曲伸展角度计算结果示意图；图4是手臂六通道表面肌电信号肌电活跃强度特征值；图5是BP神经网络算法基本流程图；图6是手臂表面肌电信号连续解码假手腕关节人机自然驱动角度结果图。具体实施方式下面结合附图对本专利技术做进一步详细描述：参见图1，本专利技术利用三维运动捕捉系统记录健侧手腕关节弯曲伸展过程运动学数据，计算出腕关节弯曲伸展的角度；肌电仪同步采集残侧前臂肌肉的表面肌电信号，经预处理和特征提取得到肌电活跃强度特征；将肌电活跃强度特征作为BP神经网络的输入，腕关节弯曲伸展角度作为BP神经网络的输出，对BP神经网络进行训练，设定误差范围，满足误差条件后停止迭代，得到稳定的手臂解码假手腕关节人机自然驱动角度模型；最后输入测试的残侧表面肌电信号活跃强度，输出预测的假手腕关节人机自然驱动角度。具体实施方案如下：第一步：由运动学数据计算腕关节弯曲伸展角度，具体方法如下：(1)手腕关节运动捕捉mark点标记位置选取与关节局部坐标系建立：图2给出了右侧上肢mark点的粘贴方案，为了保证mark点不被遮挡，受试者采取坐姿状态，右侧大臂和前臂水平抬起并保持静止，手背向上做腕关节弯曲伸展。根据运动学原理，每个刚体3维空间中具有6个自由度，要确定运动刚体在三维空间中的位姿，需要知道刚体上非共线3个点的位置坐标。所以，在肘关节处设置一个mark点，记为P1，前臂桡侧设置一个mark点，记为P2，在手腕外侧和内侧分别设置一个mark点，记为P3和P4，再在右手中指掌指关节处设置一个mark点，记为P5。肘关节局部坐标系如图2所示：肘关节局部坐标原点为P1，P1与P2连线为x轴，方向指向P2；由P1、P2、P3三点构成平面的法线为y轴，方向指向身体内侧；由右手规则可知，x轴与y轴构成平面的法向量为z轴，方向向上。x、y、z轴的单位矢量计算公式分别为：k1＝i1×j1腕关节局部坐标系如图2所示：腕关节局部坐标原点为P3与P4连线中点，原点与P5连线为x轴，方向指向P5；由P3、P4、P5三点构成平面的法向量为z轴，方向向下；由右手规则可知，x轴与z轴构成平面的法向量为y轴，方向指向身体内侧。x、y、z轴的单位矢量计算公式为：k2＝i2×j2(2)手腕关节运动角度计算：在肘关节与腕关节局部坐标系基础上进行腕关节在人本文档来自技高网...

【技术保护点】
1.一种假手腕关节人机自然驱动角度的肌电连续解码方法，其特征在于，包括以下步骤：步骤1：利用动作捕捉系统记录健侧手腕关节运动三维坐标，通过手腕关节运动学建模方法计算手腕弯曲/伸展角度；步骤2：利用肌电采集仪同步采集前臂残存侧六块肌肉的表面肌电信号；六块残存肌肉分别为桡侧腕长伸肌、桡侧腕屈肌、尺侧腕长伸肌、尺侧腕屈肌、指总伸肌和指浅屈肌；步骤3：对采集到的六通道表面肌电信号进行预处理与特征提取；对表面肌电信号特征值进行重采样，实现表面肌电信号与腕关节运动学数据具有相同的采样频率；步骤4：采用机器学习的方法，建立BP神经网络，实现手臂表面肌电信号连续解码腕关节弯曲/伸展的角度；首先设置BP神经网络的网络参数，其次对BP神经网络进行训练，最后对其进行测试；步骤5：采集残侧前臂表面肌电信号，将采集到的表面肌电信号进行预处理与特征提取；将肌电活跃强度特征值输入手腕关节角度连续解码模型，输出连续变化的手腕关节运动角度，并计算网络预测关节角度与运动学计算出的关节角度之间的线性相关系数，判断手臂表面肌电信号连续解码假手腕关节人机自然驱动角度的准确性。

【技术特征摘要】
1.一种假手腕关节人机自然驱动角度的肌电连续解码方法，其特征在于，包括以下步骤：步骤1：利用动作捕捉系统记录健侧手腕关节运动三维坐标，通过手腕关节运动学建模方法计算手腕弯曲/伸展角度；步骤2：利用肌电采集仪同步采集前臂残存侧六块肌肉的表面肌电信号；六块残存肌肉分别为桡侧腕长伸肌、桡侧腕屈肌、尺侧腕长伸肌、尺侧腕屈肌、指总伸肌和指浅屈肌；步骤3：对采集到的六通道表面肌电信号进行预处理与特征提取；对表面肌电信号特征值进行重采样，实现表面肌电信号与腕关节运动学数据具有相同的采样频率；步骤4：采用机器学习的方法，建立BP神经网络，实现手臂表面肌电信号连续解码腕关节弯曲/伸展的角度；首先设置BP神经网络的网络参数，其次对BP神经网络进行训练，最后对其进行测试；步骤5：采集残侧前臂表面肌电信号，将采集到的表面肌电信号进行预处理与特征提取；将肌电活跃强度特征值输入手腕关节角度连续解码模型，输出连续变化的手腕关节运动角度，并计算网络预测关节角度与运动学计算出的关节角度之间的线性相关系数，判断手臂表面肌电信号连续解码假手腕关节人机自然驱动角度的准确性。2.根据权利要求1所述的假手腕关节人机自然驱动角度的肌电连续解码方法，其特征在于，步骤1计算腕关节弯曲伸展角度的具体方法如下：1-1)手腕关节运动捕捉mark点标记位置选取与关节局部坐标系建立：在肘关节处设置一个mark点，记为P1，前臂桡侧设置一个mark点，记为P2，在手腕外侧和内侧分别设置一个mark点，记为P3和P4，再在右手中指掌指关节处设置一个mark点，记为P5；肘关节局部坐标原点为P1，P1与P2连线为x轴，方向指向P2；由P1、P2、P3三点构成平面的法线为y轴，方向指向身体内侧；由右手规则得到，x轴与y轴构成平面的法向量为z轴，方向向上；x、y、z轴的单位矢量计算公式分别为：k1＝i1×j1腕关节局部坐标原点为P3与P4连线中点，原点与P5连线为x轴，方向指向P5；由P3、P4、P5三点构成平面的法向量为z轴，方向向下；由右手规则得到，x轴与z轴构成平面的法向量为y轴，方向指向身体内侧；x、y、z轴的单位矢量计算公式为：k2＝i2×j21-2)手腕关节运动角度计算：在肘关节与腕关节局部坐标系基础上进行腕关节在人体矢状面内的弯曲/伸展角的求解，以θ表示手腕的弯曲/伸展角；θ＝arccos(T·i2·i1)式中，T为腕关节局部坐标系到肘关节局部坐标系的转换矩阵，i1、i2分别为肘关节和腕关节矢状轴方向...

【专利技术属性】
技术研发人员：张小栋，孙晓峰，陆竹风，李瀚哲，李睿，郭健，杨昆才，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61