一种基于人体肌肉动力学模型和肌电信号的肌力解码方法技术

一种基于人体肌肉动力学模型和肌电信号的肌力解码方法，针对现有肌电解码基于数学模型等方法，存在无法实现长期的肌肉估计，且大部分仅能适用于肌肉力等级估计，准确度低，且存在较长的延时，无法实现连续的实时力解码。本发明专利技术根据人体骨骼肌收缩模型，建立与肌肉激活程度相关的肌肉时空耦合动力学方程，然后对肌肉动力学方程进行降维获得最低一阶的肌肉动力学方程，同时基于降维后的肌肉动力学模型，推导出肌电与肌肉力的低维动力学关系，同时结合实时滤波算法对肌电信号进行采集和滤波，最后采用参数辨识和在线修正算法，获得模型参数并建立基于肌电信号的肌肉力估计模型。该方法可以代替传统的肌肉力等级估计方法，实现实时且高精度的肌肉力解码，为人体肌肉力估计和基于肌肉力的控制奠定了基础。计和基于肌肉力的控制奠定了基础。

【技术实现步骤摘要】
一种基于人体肌肉动力学模型和肌电信号的肌力解码方法


[0001]本专利技术涉及一种人体肌肉力解码方法，可用于对肌肉产生的电信号进行力解码。

技术介绍

[0002]肌电信号作为一种易于获取的生物电信号，在医疗和康复领域有着广泛的应用。目前绝大多数的肌电信号解码均采用模式识别的方式，可以通过解码获得肌肉支配对象的运动轨迹。而在实际移动物体时，人脑会根据物体的特征计算出适当的肌肉力，并通过神经系统对肌肉发出相应的指令。该指令能够控制骨骼肌肉收缩，并且以肌电信号的形式被观测到，最终实现对物体的牢固握持。因此，肌电信号的肌肉力解码的研究不仅可以用于肌肉运动原理的探索，也可以作为控制信号来实现与机器人的协同动作。
[0003]到目前为止，有很多研究人员对肌电信号进行解码研究，但这些方法只能够解码多种运动模式，但无法精确解码力。同时，过去的一些研究也表明，肌电信号幅值一般会随着骨骼肌力的增加而增加，但这种关系并不是固定的，会受很多因素的影响。而目前在力估计常用的模型中，绝大多为实验模型，很多算法的训练时间也很长，容易过度学习，并且模型的结构参数也很难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人体肌肉动力学模型和肌电信号的肌力解码方法，适用于人体肌肉力的解码和肌肉力的估计，其特征在于：首先，根据骨骼肌收缩模型，建立与肌肉激活程度相关的肌肉时空耦合动力学方程；其次，对肌肉动力学方程进行降维获得最低一阶的肌肉动力学方程，同时基于降维后的肌肉动力学模型，推导出肌电与肌肉力的低维动力学关系；然后，采用实时滤波算法对肌电信号进行采集和滤波；最后采用参数辨识和在线修正算法，获得模型参数并建立基于肌电信号的肌肉力估计模型；一种基于人体肌肉动力学模型和肌电信号的肌力解码方法的具体步骤如下：第一步，建立肌肉时空耦合动力学方程：它描述了肌动蛋白和肌球蛋白之间的结合率，同时肌肉的收缩力也是通过肌动蛋白和肌球蛋白细丝彼此之间的滑动产生的，其特征在于通过动力学方程将肌肉力和横桥结合律之间联系在一起，存在时间和空间的耦合：式中h是肌丝滑移的最大距离，p(x,t)是横桥的结合数量分布函数，其自变量为时间t，和归一化位置x；f(x,t)表示反向(分离)速率函数；g(x,t)表示正向(结合)速率函数，r(t)表示肌肉的激活度函数，v(t)代表肌丝滑移速率，其表达式为：式中x代表横桥结合点位与肌球蛋白头之间距离x
r
的标准化值，其表达式为：第二步，对第一步中建立的生物学模型进行降维：采用模型降维算法，对具有时间和空间耦合的肌肉动力学方程进行降维，获得低阶的时空分离的肌肉动力学方程：式中a(t)表示横桥结合数量分布函数与时间变化相关的变量，u(t)表示肌电信号的输入变量，y(t)表示时空分离的横桥结合数量分布函数，A,B,C分别为系统的参数矩阵；基于降维后的肌肉动力学模型，结合肌肉生物学结构和肌肉运动关系，推导出肌电信号与宏观肌肉力的低维动力学模型，最终获得骨骼肌宏观力F(t)的模型如下：其中B为横桥的名义刚度，s(t)为肌小节长度，L表示肌动蛋白结合点位和分离点位之间的距离，Q表示为肌肉横截面积，m为单位体积的肌丝密度，ψ(t)表示横桥结合数量分布函数与空间变化相关的变量，M为降维后模型的阶数，最少可以为1；第三步，采用实时滤波算法对肌电信号进行采集和滤波：原始肌电信号中包含大量噪声且，需要对肌电信号进行实时滤波和信号融合处理。首先，将系统模型和测量方程写为如下的通用...

【专利技术属性】
技术研发人员：邓华，徐晓磊，张翼，
申请(专利权)人：中南大学，
类型：发明
国别省市：