一种基于肌电信号的下肢膝关节连续运动估计方法技术

本发明专利技术涉及到一种基于肌电信号的下肢膝关节连续运动估计方法。首先采集人体下肢膝关节在慢速、中速、快速运动模式下股二头肌，股四头肌，股外侧肌，股内侧肌，半腱肌，股薄肌的肌电信号和实时角度，然后提取信号的小波系数、均方根与排序熵等特征作为输入，再将三种特征结合成一种新的特征作为输入，并对特征数据进行归一化处理，并通过不同方法的比较，最终使用最小二乘支持向量机回归模型进行预测。实验结果表明，不同的特征在不同运动模式下具有不同的相对预测性能，结合三种特征的预测结果明显优于单独采用其中任何一种，且通过最小二乘支持向量机模型的预测非常准确，最终得到了一种较为理想的预测模型。

A Continuous Motion Estimation Method of Lower Limb Knee Joint Based on EMG Signal

The invention relates to a continuous motion estimation method of lower limb knee joint based on EMG signal. Firstly, the EMG signals and real-time angles of biceps femoris, quadriceps femoris, lateral femoris, medial femoris, semitendinosus and gracilis femoris were collected under slow, medium and fast motion modes. Then the wavelet coefficients, root mean square (RMS) and ranking entropy of the signals were extracted as input, and then the three features were combined into a new feature as input, and the feature data were used as input. Finally, the least squares support vector machine regression model is used to predict. The experimental results show that different features have different relative prediction performances in different motion modes, and the prediction results combined with three features are obviously better than using either of them alone, and the prediction by least squares support vector machine model is very accurate. Finally, an ideal prediction model is obtained.

【技术实现步骤摘要】
一种基于肌电信号的下肢膝关节连续运动估计方法
本专利技术属于模式识别领域，涉及一种肌电信号模式识别方法，特别涉及一种基于肌电信号的下肢膝关节连续运动的估计方法。
技术介绍
人机交互技术是现今比较热门的前沿科学技术，表面肌电信号(surfaceElectromyography,sEMG)是人机交互的输入信号源。表面肌电信号是一种非平稳的微弱信号，是肌肉兴奋时与其相关的运动单元共同产生的一组动作电位序列在皮肤表面叠加而成的，它的特征区分明显，蕴含的信息丰富，且采集简单，无创伤，成为目前人机交互技术中热门的研究领域。对于表面肌电信号的研究主要集中在特征提取和模式识别这两个过程。相应的研究成果也已经比较成熟，可以识别多个离散的动作类别。但在康复医疗机器人等领域更多时候需要的是对患者连续运动变量的预测，以实现对康复机器人的平滑柔顺控制，否则容易引起患者的二次损伤而无法达到康复效果。因此基于表面肌电信号的连续运动变量预测的研究受到越来越多的科研工作者关注。传统的常用方法是对信号消噪滤波后提取幅值绝对值、均方根等特征，并用BP神经网络建立sEMG与相关的连续运动关节变量之间的回归模型。Tanvir本文档来自技高网...

【技术保护点】
1.一种基于肌电信号的下肢膝关节连续运动估计方法，其特征在于，该方法包括如下步骤：步骤一，获取关节连续运动的肌电信号和实时角度数据，具体是：通过肌电信号采集仪采集人体关节运动时相关肌肉的肌电信号，然后对其进行带通滤波处理；步骤二，对预处理后的肌电信号进行特征提取，提取均方根，小波系数和排列熵，并使特征提取后的采样频率与关节角的采样频率保持一致；1)均方根计算如下：

【技术特征摘要】
1.一种基于肌电信号的下肢膝关节连续运动估计方法，其特征在于，该方法包括如下步骤：步骤一，获取关节连续运动的肌电信号和实时角度数据，具体是：通过肌电信号采集仪采集人体关节运动时相关肌肉的肌电信号，然后对其进行带通滤波处理；步骤二，对预处理后的肌电信号进行特征提取，提取均方根，小波系数和排列熵，并使特征提取后的采样频率与关节角的采样频率保持一致；1)均方根计算如下：其中x1,x2...xn是肌电信号；2)采用离散小波变换提取j层小波系数：f(t)＝AJ+∑j≤JDj其中AJ是J层的近似值，Dj是j层的细节值；细节值Dj：Dj＝∑k∈Zαj,kφj,t(t)其中Z是一组正整数，αj,k是小波系数，φj,t(t)是母小波函数，j和k均是属于Z的正整数，t是时间序列；近似值AJ：AJ＝∑j＞JDj其中Dj是j层的细节值；3)排列熵计算如下：其中PE是排列熵，y是信号序列，d是嵌入维数，l是时间延迟，p(π...

【专利技术属性】
技术研发人员：席旭刚，杨晨，石鹏，袁长敏，章燕，范影乐，罗志增，张启忠，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33