基于肌电信号采集的健身动作自识别与报警系统技术方案

本发明专利技术提供了一种基于肌电信号采集的健身动作自识别与报警系统，包括肌电信号采集模块、处理器模块、控制模块和显示模块；肌电信号采集模块的电极与被测对象受试部位导联进行肌电信号采集，采集的肌电信号传送至处理器模块，处理器模块对肌电信号进行预处理后，提取信号内的特征量，并进行模式识别；控制模块分别与肌电信号采集模块和处理器模块相连，用于控制肌电信号采集模块和处理器模块的运行；显示模块与控制模块相连，用于显示控制模块的图形用户界面。本发明专利技术通过肌电信号采集与分析来监测健身人员运动时不同部位的肌肉发力程度，进而直观的反馈用户的健身动作是否标准，以给健身人员提供科学的健身指导，提高运动健身效率。率。率。

【技术实现步骤摘要】
基于肌电信号采集的健身动作自识别与报警系统


[0001]本专利技术涉及生物电信号识别与分析领域，具体涉及一种基于肌电信号采集的健身动作自识别与报警系统。

技术介绍

[0002]随着国民素质的发展，越来越多的人认识到健身运动的重要性，但非专业的健身者在运动过程中很难判断自身动作是否标准、肌肉发力是否恰当，盲目进行运动锻炼，反而易因错误的运动方式导致身体疲劳损伤的情况出现。因此，对健身动作进行监测识别与评估报警具有重要的现实意义。
[0003]而如今市场上便携式、智能化的健身设备大多致力于心率、心电、血压、睡眠监测以及运动量计算等，基于肌肉收缩、舒张程度来反馈健身动作是否标准的辅助健身设备尚未听闻；涉及运动强度计算的健身可穿戴设备也主要是依靠心率采集技术，健身强度反馈过于笼统，不能很好的反应健身者的运动状态。

技术实现思路

[0004]本专利技术的目的在于提供一种基于肌电信号采集的健身动作自识别与报警系统，通过肌电信号采集与分析来监测健身人员运动时不同部位的肌肉发力程度，进而反馈用户的健身动作是否标准，以给健身人员提供科学的健身指导，提高运动健身效率。
[0005]本专利技术所提供的基于肌电信号采集的健身动作自识别与报警系统，包括肌电信号采集模块、处理器模块、控制模块和显示模块；
[0006]肌电信号采集模块的电极与被测对象受试部位导联进行肌电信号采集，采集的肌电信号传送至处理器模块，处理器模块对肌电信号进行预处理后，提取信号内的特征量，并进行模式识别；
[0007]控制模块分别与肌电信号采集模块和处理器模块相连，用于控制肌电信号采集模块和处理器模块的运行；
[0008]显示模块与控制模块相连，用于显示控制模块的图形用户界面。
[0009]本专利技术的一个实施例中，所述处理器模块为STM32F103单片机。
[0010]本专利技术的一个实施例中，所述处理器模块对肌电信号进行预处理的步骤为：
[0011]S1：进行放大与滤波，消除工频干扰和直流偏置；
[0012]S2：识别活动段；
[0013]其中，所述识别活动段的方法为：采用短时能量的移动平均法，结合阈值比较来进行活动段识别；具体为：
[0014]采用固定长度的滑动窗逐一推进并计算活动窗内数据的平均能量值，来反映信号的当前变化的趋势；
[0015]其中，所述阈值的标准量定义为：选取窗口数据内的标准差作为阈值的标准量；
[0016]则所述识别活动段的方法为：给定动作数据预期长度，根据同类动作数据的相似
性原理，采用循环降阈值的平均能量法来进行活动段的识别与提取。
[0017]本专利技术的一个实施例中，所述处理器模块对肌电信号进行预处理的步骤S1中进行信号放大处理的电路采用AD620仪表放大器，其增益公式为:
[0018][0019]本专利技术的一个实施例中，所述处理器模块对预处理后的肌电信号进行特征量提取的方法，具体为：
[0020]S3：提取5种时域特征量，即过零点数、标准差、肌电积分值、峰值平均、周期数；
[0021]S4：提取4种频域特征量，即频带宽度、频带峰值、平均功率谱、功率谱中值频率；
[0022]S5：对步骤S3和步骤S4提取的特征量使用最大最小归一化方法进行归一化处理。
[0023]在步骤S3中，所述过零点数为信号穿越横轴次数的统计；所述标准差为计算信号值偏离平均值的程度；所述肌电积分值为计算探取段内信号绝对值的和；所述峰值平均为先对信号求绝对值再求均值；所述周期数为计算单位时间内肌肉活动的次数；
[0024]所述5种时域特征和4种频域特征的特征量计算公式为：
[0025][0026][0027]本专利技术的一个实施例中，所述处理器模块进行模式识别的方法，具体为：
[0028]S6：将经过步骤S5处理的特征量与标准化参量进行对比，从而完成识别；
[0029]其中，所述标准化参量的获得方法为：
[0030]采用MTALAB工具完成不同动作所对应电信号的时域特征量及频域特征量的计算，将多组动作实验后的特征量数据导入BP神经网络训练，获得一个小范围内逼近真实值的上下限值，并以此作为标准化参量。
[0031]本专利技术的一个实施例中，所述处理器模块进行模式识别的方法还包括：
[0032]S7：当识别出肌电信号异常时，处理器模块触发控制模块的报警装置，进行报警。
[0033]本专利技术的一个实施例中，所述控制模块为上位机系统，所述上位机系统包括七个功能控制子模块和三个图像显示子模块，七个功能控制子模块分别为：采集数据、导入数据、保存数据、预处理、特征提取、模式识别和退出系统；三个图像显示子模块分别显示：动作肌电图、原始肌电图和频谱估计图；
[0034]所述显示模块与控制模块相连，所述显示模块的显示屏界面包括七个按键和三个图像显示窗口，七个按键分别为：采集数据、导入数据、保存数据、预处理、特征提取、模式识别和退出系统；三个图像显示窗口分别显示：动作肌电图、原始肌电图和频谱估计图。
[0035]本专利技术的一个实施例中，所述上位机系统的模式识别子模块还包括异常报警功能单元。
[0036]本专利技术的有益效果：
[0037]1、本专利技术通过前端肌电信号采集模块实时采集健身人员运动时受试部位的肌电信号，采集的肌电信号通过单片机STM32F103进行一系列模数转换与逻辑运算，最后通过显示模块将信号以波形的形式展示在显示屏上，达到了肌电信号可视化的效果，可以直观的反馈健身动作是否标准，给健身人员提供科学的健身指导。同时，本专利技术能让用户通过观察显示屏，判断自身佩戴设备是否正确、设备是否连接正常，若佩戴错误或连接不当，波形将失真。该技术在一定程度上保证了肌电信号采集的有效性与实时性，从而进一步确保对健身人员的有效监测，提高运动健身效率。
[0038]2、本专利技术通过对处理器模块的STM32F103单片机进行处理程序设计，并建立了标准化参量，对不同动作所对应的不同肌电信号阈值进行了相应的设定，形成了BP神经网络分类器，对正常和异常的肌电信号进行实时准确分类，当识别出肌电信号异常时，单片机将自动启动报警装置进行警告，提醒使用者规范自身的健身动作，达到良好的健身效果。
附图说明
[0039]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为本专利技术的系统结构框图。
[0041]图2为本专利技术的系统流程图。
[0042]图3为本专利技术实施例中健身动作识别算法的流程图。
[0043]图4为本专利技术实施例中所述STM32F103单片机结构框图。
[0044]图5为本专利技术实施例中所述AD620仪表放大器引脚图。
[0045]图6为本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于肌电信号采集的健身动作自识别与报警系统，其特征在于，包括：肌电信号采集模块、处理器模块、控制模块和显示模块；肌电信号采集模块的电极与被测对象受试部位导联进行肌电信号采集，采集的肌电信号传送至处理器模块，处理器模块对肌电信号进行预处理后，提取信号内的特征量，并进行模式识别；控制模块分别与肌电信号采集模块和处理器模块相连，用于控制肌电信号采集模块和处理器模块的运行；显示模块与控制模块相连，用于显示控制模块的图形用户界面。2.根据权利要求1所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于，所述处理器模块为STM32F103单片机。3.根据权利要求1所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于，所述处理器模块对肌电信号进行预处理的步骤为：S1：进行放大与滤波，消除工频干扰和直流偏置；S2：识别活动段；其中，所述识别活动段的方法为：采用固定长度的滑动窗逐一推进并计算活动窗内数据的平均能量值，并选取活动窗口数据内的标准差作为阈值，最后将平均能量值与阈值进行比较，识别活动段。4.根据权利要求3所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于，所述处理器模块对肌电信号进行预处理的步骤S1中进行信号放大处理的电路采用AD620仪表放大器，其增益公式为:5.根据权利要求3所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于，所述处理器模块对预处理后的肌电信号进行特征量提取的方法为：S3：提取5种时域特征量，即过零点数、标准差、肌电积分值、峰值平均、周期数；S4：提取4种频域特征量，即频带宽度、频带峰值、平均功率谱、功率谱中值频率；S5：对步骤S3和步骤S4提取的特征量使用最大最小归一化方法进行归一化处理。6.根据权利要求5所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于，在步骤S3中，所述过零点数为信号穿越横轴次数的统计；所述标准差为计算信号值偏离平均值的程度；所述肌电积分值为计算探取段内信号绝对值的和；所述峰值平均为先对信号求绝对值再求均值；所述周期数为计...

【专利技术属性】
技术研发人员：杜玲艳，杨兰，徐小入，陈香远，张文文，尹冬生，任玉琴，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：