一种基于sEMG信号的外骨骼关节角度预测方法及系统技术方案

本发明专利技术请求保护一种基于sEMG信号的外骨骼关节角度预测方法及系统，属于外骨骼机器人人机交互技术领域。其包括以下步骤：获取外骨骼关节的sEMG肌电信号，并对采集的外骨骼关节sEMG肌电信号进行信号放大处理；采用EMD和小波联合去噪的方式对外骨骼关节sEMG肌电信号进行滤波处理；对经过滤波处理的外骨骼关节sEMG肌电信号采用移动窗单门限多阈值方法进行信号分割，获取起始和结束位置；采用基于动态相关性和冗余性分析的前向特征选择方法，提取外骨骼关节sEMG信号的特征参数；将获得的特征参数输入BP神经网络进行训练和学习，并采用贝叶斯滤波方法融合多类信号之间产生的协同信息，得到关节角度值预测结果。得到关节角度值预测结果。得到关节角度值预测结果。

【技术实现步骤摘要】
一种基于sEMG信号的外骨骼关节角度预测方法及系统


[0001]本专利技术属于外骨骼机器人人机交互
，具体属于一种基于sEMG信号的关节角度预测方法。

技术介绍

[0002]主动康复是在外骨骼机器人的辅助下，患者通过自身的运动能力完成康复训练动作。主动康复能够使患者充分调动自身潜在的运动能力，使肌肉得到充分的锻炼，因此能够加速康复进程，提高康复效果。然而，主动康复需要对人体的运动意图进行实时、准确的预测和判断，才能控制设备在运动过程中施加适当的辅助，更有效的帮助患者顺利完成康复动作。现在主要有两类方法来检测人体运动的意图，其中一种常用的方法就是测量人机之间的各种接触信息，如位置、力信息，根据测量出人机之间的角度变化和人体运动学信息等，对人体的运动意图进行判断。尽管这种方法具有更强的可靠性，但存在一定的滞后性。另外一种是将人体本身的生物电信号(主要是sEMG信号)检测出来，根据测得的人体生物信号，对运动的意图进行判断，然后可以根据建立的生物模型来对应确定关节的角度或力矩信息，以此作为控制器的输入方式，现有研究基于sEMG信号进行连续运动量估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于sEMG信号的外骨骼关节角度预测方法，其特征在于，包括以下步骤：获取外骨骼关节的sEMG肌电信号，并对采集的外骨骼关节sEMG肌电信号进行信号放大处理；采用EMD和小波联合去噪的方式对外骨骼关节sEMG肌电信号进行滤波处理；对经过滤波处理的外骨骼关节sEMG肌电信号采用移动窗单门限多阈值方法进行信号分割，获取起始和结束位置；采用基于动态相关性和冗余性分析的前向特征选择方法，提取外骨骼关节sEMG信号的特征参数；将获得的特征参数输入BP神经网络进行训练和学习，并采用贝叶斯滤波方法融合多类信号之间产生的协同信息，得到关节角度值预测结果。2.根据权利要求1所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，所述采用EMD和小波联合去噪的方式对外骨骼关节sEMG肌电信号进行滤波处理，具体包括：步骤1：采用EMD法对带噪信号进行分解，得到IMF分量；步骤2：通过计算每一个IMF分量与带噪信号的相关性，确定每一个IMF分量中是否包含信息数据；步骤3：找到信号模态和噪声模态之间的分界点k；步骤4：使用小波阈值降噪算法进行降噪处理，对原信号进行N层小波变换，得到对应的小波轮廓系数和小波系数，对小波轮廓系数和小波系数进行阈值处理，得到硬阈值和软阈值；步骤5：对小波系数进行稀疏化处理，利用小波轮廓系数和小波系数进行信号重构。3.根据权利要求1所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，对经过滤波处理的外骨骼关节sEMG肌电信号采用移动窗单门限多阈值方法进行信号分割，获取起始和结束位置，具体包括：移动窗：指的是以固定窗口大小往某个方向移动，计算范围限制在这个窗口内；阈值，即一个划分正常与异常的界限，可以是一个确定的点，也可以是一个范围内，当采集值超过了这个界限，既把这个采集点作为异常点；在一个窗口内，当异常点的个数达到一定数量，个数根据具体的监控指标业务经验来配置，就在这个窗口期产生一个原始告警。4.根据权利要求3所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，所述采用基于动态相关性和冗余性分析的前向特征选择方法，提取外骨骼关节sEMG信号的特征参数，具体包括：所述前向特征选择方法DRFFS是一种filter和wrapper混合的算法，首先通过多filter算法分数融合的方式来衡量特征与类标间的总体相关性；之后在分数融合的基础上，结合候选特征与已选子集的冗余性动态地改变候选属性的互补性,并运用基于排序的前向搜...

【专利技术属性】
技术研发人员：蒋文豪，李铮，田燕，
申请(专利权)人：重庆航天职业技术学院，
类型：发明
国别省市：