【技术实现步骤摘要】
一种基于肌音信号的下肢假肢步态识别方法
本专利技术属于模式识别领域，涉及一种下肢假肢步态识别方法，尤其涉及一种基于肌音信号的下肢假肢步态识别方法。
技术介绍
佩戴智能假肢是截肢患者恢复基本运动能力的唯一途径，目前较为成熟的智能假肢有德国OttoBock公司的C-Leg、Genium系列假肢，冰岛Ossur公司的RheoKnee假肢等；由于下肢运动的特殊性和复杂性，步态识别是智能假肢研究的核心技术之一。根据信号源的不同，步态识别信号源主要包括两种：1)采集下肢关节角度、惯导信息、足底压力信息等生物力学信号识别步态，例如加速度传感器、角度传感器、脚底压力传感器、位置传感器等，但是这些信息只有在佩戴者完成一定的动作之后才能采集到，在识别相应运动模式时不可避免的会产生一定的延迟；2)表面肌电信号(sEMG)作为一种人体生物信号，包含了大量的神经信号，结合模式识别算法可以解析出相应的步态模式；人体运动时肌肉振动产生的肌音信号(MMG)和肌电信号相似，都是可以反映肌肉状态的信号源；虽然对肌音信号的研究相对肌电信号...
【技术保护点】
1.一种基于肌音信号的下肢假肢步态识别方法，其特征在于，包括以下步骤：/n步骤1：采集大腿截肢患者的下肢肌音信号并对所述肌音信号进行预处理；具体的：/n所述的大腿截肢患者为从坐骨结节下10cm至膝关节间隙上8cm范围内的大腿截肢患者，所述肌音信号为股直肌、股内侧肌、股外侧肌不同步态下的肌音信号，所述不同步态为平地行走、上楼、下楼、上坡、下坡5种不同步态；/n步骤1.1：分别对大腿截肢患者的股直肌、股内侧肌、股外侧肌在平地行走、上楼、下楼、上坡、下坡5种不同步态下的肌音信号进行采集，并记为：X
【技术特征摘要】 【专利技术属性】
1.一种基于肌音信号的下肢假肢步态识别方法，其特征在于，包括以下步骤：
步骤1：采集大腿截肢患者的下肢肌音信号并对所述肌音信号进行预处理；具体的：
所述的大腿截肢患者为从坐骨结节下10cm至膝关节间隙上8cm范围内的大腿截肢患者，所述肌音信号为股直肌、股内侧肌、股外侧肌不同步态下的肌音信号，所述不同步态为平地行走、上楼、下楼、上坡、下坡5种不同步态；
步骤1.1：分别对大腿截肢患者的股直肌、股内侧肌、股外侧肌在平地行走、上楼、下楼、上坡、下坡5种不同步态下的肌音信号进行采集，并记为：X股直肌i、X股内侧肌i、X股外侧肌i，其中，i＝1,2,3,4,5，分别表示平地行走、上楼、下楼、上坡、下坡5种不同步态，X股直肌i、X股内侧肌i、X股外侧肌i分别表示股直肌、股内侧肌、股外侧肌的肌音信号；
步骤1.2：分别对X股直肌i、X股内侧肌i、X股外侧肌i进行预处理，以获得预处理后的X’股直肌i、X’股内侧肌i、X’股外侧肌i，所述的预处理为滤波预处理；
步骤2：利用差分HOC提取X’股直肌i、X’股内侧肌i、X’股外侧肌i的步态识别的特征值样本集，具体的：
步骤2.1：计算构建肌音信号的特征向量W时选择的最高差分阶数θ，具体的：利用10位大腿截肢患者的股直肌肌音信号，计算得到最高差分阶数θ＝13；
步骤2.2：利用θ＝13时的差分HOC提取X’股直肌i、X’股内侧肌i、X’股外侧肌i的5种步态识别特征值样本集，具体的：
步骤3：将步骤2获得的步态识别的特征值样本集随机分为两组，一组为训练集，一组为测试集，利用训练集计算最优的用于相关向量机的核函数，建立优化的相关向量机多分类步态识别模型，具体的，包括以下步骤：
步骤3.1：通过蝙蝠算法优化相关向量机分类参数，得到最优相关向量机分类器，具体的，包括以下步骤：
步骤3.1.1：定义蝙蝠算法,具体的：
定义蝙蝠i在t时刻的位置为速度为在d维的觅食空间里，蝙蝠i在t+1时刻的位置和速度的更新公式如下：
fi＝fmin+(fmax-fmin)β；
其中，fi表示蝙蝠i发出声波的频率，fi∈[fmin,fmax]，fmin、fmax分别表示蝙蝠i发出声波的频率的最小值和最大值；β∈[0,1]，x*表示t时刻全局搜索过程中蝙蝠i的最优位置；
蝙蝠i位置更新公式如下
xnew＝xold+ηAt；
式中：xold表示所选取的最优解；η是一个随机数，η∈[-1,1]，At是所有蝙蝠在时刻t时发出声波的平均响度；xnew表示对最优解施加一个随机扰动之后得到的新解；
蝙蝠i发出声波的响度Ai和发射速率ri的调节计算公式为：
技术研发人员：刘磊，杨存祥，王干一，宋寅卯，曹祥红，李丹丹，武东辉，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。