本发明专利技术公开了一种基于肌肉协同的下肢运动意图识别方法、计算机装置及存储介质，本发明专利技术通过将从被识别者检测得到的第一协同结构矩阵，与表示下肢运动过程中标准的肌肉协同的结构矩阵即第二协同结构矩阵进行相似性评估，可以通过皮尔逊相关系数等的简单判据确定被识别者的运动意图，从而完成对被识别者的运动意图的识别；与相关技术，例如利用神经网络来识别人体下肢运动过程中的运动意图等技术相比，实施例中的基于肌肉协同的下肢运动意图识别方法可以降低现有下肢运动运动意图识别方法的计算量，降低对设备的要求，可以根据每个使用者的具体情况设置的个性化的识别方法，提高识别质量和识别效率。本发明专利技术广泛应用于下肢运动分析技术领域。运动分析技术领域。运动分析技术领域。
【技术实现步骤摘要】
基于肌肉协同的下肢运动意图识别方法、装置和存储介质
[0001]本专利技术涉及下肢运动分析
，尤其是一种基于肌肉协同的下肢运动意图识别方法、计算机装置及存储介质。
技术介绍
[0002]智能下肢假肢或外骨骼需要自动识别患者的运动意图，但传统的下肢运动运动意图识别是基于人体表面肌电通过人工神经网络训练分类器对人体下肢运动的运动意图的识别。训练分类器工作量大，对设备要求高，计算复杂度高，忽略了人体下肢运动的连续性和人体个性化的特点。
技术实现思路
[0003]针对目前的运动意图识别技术存在的对设备要求高、计算复杂度高、忽略了人体下肢运动的连续性和人体个性化等技术问题，本专利技术的目的在于提供一种基于肌肉协同的下肢运动意图识别方法、计算机装置及存储介质。
[0004]一方面，本专利技术实施例包括一种基于肌肉协同的下肢运动意图识别方法，包括：
[0005]在被识别者下肢运动时，采集被识别者的第一表面肌电信号；
[0006]对所述第一表面肌电信号进行处理，获得第一包络矩阵；
[0007]对所述第一包络矩阵进行分解，获得第一协同结构矩阵；
[0008]获取第二协同结构矩阵；所述第二协同结构矩阵表示下肢运动过程中标准的肌肉协同的结构矩阵；
[0009]对所述第一协同结构矩阵和所述第二协同结构矩阵进行相似性评估；
[0010]根据相似性评估的结果，确定被识别者的运动意图。
[0011]进一步地，所述采集被识别者的第一表面肌电信号，包括：
[0012]通过表面肌电设备检测被识别者的下肢肌肉群，获得所述第一表面肌电信号。
[0013]进一步地，所述对所述第一表面肌电信号进行处理，获得第一包络矩阵，包括：
[0014]对所述第一表面肌电信号依次进行巴特沃斯高通滤波、去均值、全波整流和巴特沃斯低通滤波处理，获得所述第一包络矩阵。
[0015]进一步地，所述对所述第一包络矩阵进行分解，获得第一协同结构矩阵，包括：
[0016]对所述第一包络矩阵进行非负矩阵分解，获得所述第一协同结构矩阵。
[0017]进一步地，所述对所述第一包络矩阵进行非负矩阵分解，获得所述第一协同结构矩阵，包括：
[0018]执行若干轮迭代过程；
[0019]在任一轮迭代过程中，确定初始协同结构矩阵，根据所述第一包络矩阵和所述初始协同结构矩阵，确定本轮迭代过程的肌肉激活系数矩阵，根据所述第一包络矩阵和本轮迭代过程的肌肉激活系数矩阵，确定本轮迭代过程的协同结构矩阵；其中，在第一轮迭代过程中，所述初始协同结构矩阵随机确定，在除第一轮迭代过程以外的任一轮迭代过程中，所
述初始协同结构矩阵为上一轮迭代过程的协同结构矩阵；
[0020]获取最后一轮迭代过程的协同结构矩阵，作为所述第一协同结构矩阵。
[0021]进一步地，所述根据所述第一包络矩阵和所述初始协同结构矩阵，确定本轮迭代过程的肌肉激活系数矩阵，包括：
[0022]根据公式进行计算；其中，M为所述第一包络矩阵，W0为所述初始协同结构矩阵，H为本轮迭代过程的肌肉激活系数矩阵；
[0023]所述根据所述第一包络矩阵和本轮迭代过程的肌肉激活系数矩阵，确定本轮迭代过程的协同结构矩阵，包括：
[0024]根据公式HH
T
W
T
＝HM
T
进行计算；其中，M为所述第一包络矩阵，H为本轮迭代过程的肌肉激活系数矩阵，W为本轮迭代过程的协同结构矩阵。
[0025]进一步地，所述基于肌肉协同的下肢运动意图识别方法还包括：
[0026]根据所述第一包络矩阵以及最后一轮迭代过程的协同结构矩阵和肌肉激活系数矩阵，确定VAF值；
[0027]根据所述VAF值，确定肌肉协同的数量。
[0028]进一步地，所述根据相似性评估的结果，确定被识别者的运动意图，包括：
[0029]获取所述第二协同结构矩阵对应的运动意图；
[0030]当所述相似性评估的结果大于阈值，将所述第二协同结构矩阵对应的运动意图，确定为被识别者的运动意图。
[0031]另一方面，本专利技术实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的基于肌肉协同的下肢运动意图识别方法。
[0032]另一方面，本专利技术实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的基于肌肉协同的下肢运动意图识别方法。
[0033]本专利技术的有益效果是：实施例中的基于肌肉协同的下肢运动意图识别方法，通过将从被识别者检测得到的第一协同结构矩阵，与表示下肢运动过程中标准的肌肉协同的结构矩阵即第二协同结构矩阵进行相似性评估，可以通过皮尔逊相关系数等的简单判据确定被识别者的运动意图，从而完成对被识别者的运动意图的识别；与相关技术，例如利用神经网络来识别人体下肢运动过程中的运动意图等技术相比，实施例中的基于肌肉协同的下肢运动意图识别方法可以降低现有下肢运动运动意图识别方法的计算量，降低对设备的要求，可以根据每个使用者的具体情况设置的个性化的识别方法，提高识别质量和识别效率。
附图说明
[0034]图1为实施例中基于肌肉协同的下肢运动意图识别方法的步骤图；
[0035]图2为实施例中基于肌肉协同的下肢运动意图识别方法的原理示意图。
具体实施方式
[0036]本实施例中，在执行基于肌肉协同的下肢运动意图识别方法之前，可以先执行以下步骤：
[0037]P1.在实验人员下肢运动时，采集实验人员的第二表面肌电信号；
[0038]P2.对第二表面肌电信号进行处理，获得第二包络矩阵；
[0039]P3.对第二包络矩阵进行分解，获得第二协同结构矩阵；
[0040]P4.记录实验人员下肢运动时的运动意图与第二协同结构矩阵之间的对应关系。
[0041]通过执行步骤P1
‑
P4，可以获得表示下肢运动过程中标准的肌肉协同的结构矩阵，即第二协同结构矩阵。
[0042]执行步骤P1时，可以要求实验人员以特定的运动意图下肢运动，在实验人员身上安装表面肌电设备，对实验人员的下肢肌肉群进行检测，获得第二表面肌电信号。具体地，使用表面肌电设备检测实验人员的腓肠肌内侧(GM)、腓肠肌外侧(GL)、比目鱼肌(SOL)、胫骨前肌(TA)、腓骨长肌(PL)、股直肌(RF)、股二头肌(BF)、半膜肌(SED)、臀大肌(GMAX)、拇展肌(AH)、腹外斜肌(EO)、竖脊肌(ES)、股外斜肌(VL)和股内斜肌(VM)等下肢肌肉群的肌电信号，获得第二表面肌电信号。第二表面肌电信号表征这14块肌肉随时间变化的肌肉活动幅度。
[0043]执行步骤P2时，对第二表面肌电信号依次进行50Hz的巴特沃斯高通滤波、去均值、全波整流和5Hz的巴特沃斯低通滤波等预处理。
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于肌肉协同的下肢运动意图识别方法，其特征在于，所述基于肌肉协同的下肢运动意图识别方法包括：在被识别者下肢运动时，采集被识别者的第一表面肌电信号；对所述第一表面肌电信号进行处理，获得第一包络矩阵；对所述第一包络矩阵进行分解，获得第一协同结构矩阵；获取第二协同结构矩阵；所述第二协同结构矩阵表示下肢运动过程中标准的肌肉协同的结构矩阵；对所述第一协同结构矩阵和所述第二协同结构矩阵进行相似性评估；根据相似性评估的结果，确定被识别者的运动意图。2.根据权利要求1所述的基于肌肉协同的下肢运动意图识别方法，其特征在于，所述采集被识别者的第一表面肌电信号，包括：通过表面肌电设备检测被识别者的下肢肌肉群，获得所述第一表面肌电信号。3.根据权利要求1所述的基于肌肉协同的下肢运动意图识别方法，其特征在于，所述对所述第一表面肌电信号进行处理，获得第一包络矩阵，包括：对所述第一表面肌电信号依次进行巴特沃斯高通滤波、去均值、全波整流和巴特沃斯低通滤波处理，获得所述第一包络矩阵。4.根据权利要求1所述的基于肌肉协同的下肢运动意图识别方法，其特征在于，所述对所述第一包络矩阵进行分解，获得第一协同结构矩阵，包括：对所述第一包络矩阵进行非负矩阵分解，获得所述第一协同结构矩阵。5.根据权利要求4所述的基于肌肉协同的下肢运动意图识别方法，其特征在于，所述对所述第一包络矩阵进行非负矩阵分解，获得所述第一协同结构矩阵，包括：执行若干轮迭代过程；在任一轮迭代过程中，确定初始协同结构矩阵，根据所述第一包络矩阵和所述初始协同结构矩阵，确定本轮迭代过程的肌肉激活系数矩阵，根据所述第一包络矩阵和本轮迭代过程的肌肉激活系数矩阵，确定本轮迭代过程的协同结构矩阵；其中，在第一轮迭代过程中，所述初始协同结构矩阵随机确定，在除第一轮迭代过程以外的任一轮迭代过程中，所述初始协同结构矩阵为上一轮迭代过程的协同结构矩阵；获取最后一轮迭代过程的协同结构...
【专利技术属性】
技术研发人员：刘瑞平，欧阳钧，钱蕾，
申请(专利权)人：南方医科大学，
类型：发明
国别省市：
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。