【技术实现步骤摘要】
一种基于表面肌电信号和运动信号的预测分类方法和装置
本专利技术涉及分类
，尤其涉及一种基于表面肌电信号和运动信号的预测分类方法和装置。
技术介绍
表面肌电信号(sEMG)是由运动时肌肉兴奋所产生的动作电位序列在皮肤表面叠加而成的，是一种非平稳的微弱生物电信号。它一般比肢体运动超前30～150ms产生，并且抗干扰性好、易获取，它可以反映神经肌肉系统的生理状态及活动情况，所以一直被认为是智能康复设备最佳的生理反馈信号，被广泛的应用于人机交互技术中。足底压力检测是通过测量足部压力的力学、几何学和时间参数等特性，分析不同状态时的足底压力参数来分析足部的动力性特征和运动性特征。三轴加速度计、角速度和足底压力传感器等作为运动信号可以分析步长、步宽、步向角、步速以及分析步态的规律性和对称性作为步态协调性参数。骨性关节炎是一种以关节软骨退行性变和继发性骨质增生为特征的慢性关节炎病。伴随着社会的发展，人们的生活节奏也在加快，膝关节是人体所有关节中负重最大的关节，也是磨损最为严重的关节，膝骨性关节炎(kneeosteoarthri...
【技术保护点】
1.一种基于表面肌电信号和运动信号的预测分类方法，其特征在于，所述方法包括：/n采集表面肌电信号和运动信号；/n对采集的运动信号进行第一处理，计算出步态协调性参数对应的运动数据；/n对采集到的表面肌电信号进行第二处理，提取相应的特征数据；/n将所述运动数据和所述特征数据作为递归小脑模型神经网络的输入数据并进行训练预测，得到分类结果。/n
【技术特征摘要】
1.一种基于表面肌电信号和运动信号的预测分类方法，其特征在于，所述方法包括：
采集表面肌电信号和运动信号；
对采集的运动信号进行第一处理，计算出步态协调性参数对应的运动数据；
对采集到的表面肌电信号进行第二处理，提取相应的特征数据；
将所述运动数据和所述特征数据作为递归小脑模型神经网络的输入数据并进行训练预测，得到分类结果。
2.如权利要求1所述的基于表面肌电信号和运动信号的预测分类方法，其特征在于，所述运动信号包括步长、步宽、步向角、步速中的任一项或多项。
3.如权利要求1或2所述的基于表面肌电信号和运动信号的预测分类方法，其特征在于，所述运动数据包括分类参数，所述第一处理包括：基于步行时相计算出步态协调性参数对应的分类参数。
4.如权利要求3所述的基于表面肌电信号和运动信号的预测分类方法，其特征在于，所述分类参数包括支撑相足底压力对称性指标，所述支撑相足底压力对称性指标根据以下方法计算得到：
将支撑相分为多个周期，根据薄膜压力传感器采集的多个压力数据计算多个周期内的N个压力的均值矩阵，如左侧支撑相压力值矩阵：
其中：PL为左侧支撑相压力值矩阵，Pgh为第g个薄膜压力传感器的第h个支撑相的压力值，g＝1，2，…，N1；
计算左侧压力值矩阵PL的LP1范数和右侧压力值矩阵的LP2范数，LP1和LP2的计算公式如下：
计算多个周期内的左右支撑相足底压力矩阵的LP1范数和LP2范数作为所述支撑相足底压力对称性指标。
5.如权利要求1所述的基于表面肌电信号和运动信号的预测分类方法，其特征在于，所述第二处理包括消噪处理，所述提取相应的特征数据包括：
对消噪处理后的数据再进行降维处理，得到相应的特征数据。
6.如权利要求5所述的基于表面肌电信号和运动信号的预测分类方法，其特征在于，所述特征数据包括支撑相表面肌电信号对称性的指标，所述支撑相表面肌电信号对称性的指标根据以下方式进行计算：
获取支撑相经过降维处理后的几个表面肌电信号的特征参数矩阵，所述特征参数包括平均功率频率或积分肌电；如左侧肌电信号矩阵如下：
其中：SL为左侧支撑相肌电信号矩阵，Sgh为第t个表面肌电信号的第z个支撑相的平均功率频率或积分肌电，t＝1，2，…，N2；
计算左侧特...
【专利技术属性】
技术研发人员：陈昕，梁杰，陈述荣，苏婵娟，郑军凡，刘丽金，叶佳，姜海燕，
申请(专利权)人：福州市第二医院福建省福州中西医结合医院，福州市职业病医院，
类型：发明
国别省市：福建;35
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。