一种人机共适应的肌电控制方法技术

本发明专利技术涉及一种人机共适应的肌电控制方法

【技术实现步骤摘要】
一种人机共适应的肌电控制方法、电子设备及存储介质


[0001]本专利技术涉及生物电信号运动控制
，特别涉及一种人机共适应的肌电控制方法
、
电子设备及存储介质
。

技术介绍

[0002]基于用户的肌电信号识别运动意图并控制相应辅助机器人，例如神经义肢
、
外骨骼康复机器人，是实现截肢
、
中风
、
瘫痪等残疾群体直觉控制的理想解决方案
。
然而，基于用户肌电信号的意图识别鲁棒性较差，这是因为肌电信号在采集过程中的不稳定性
、
信号自身的非平稳随机性，以及个体间生理特征的差异性均可能使肌电特征发生偏移，导致机器难以稳定预测人的运动意图
。
[0003]现行同类的肌电控制技术包括视觉引导建模方法
、
镜像训练建模方法和无监督方法
。
由于用户在进行训练集的采集时缺乏相应反馈以确认自己做的手势是否与标签所示手势一致，特别是难以标注同步手势的连续标签信息，导致大部分研究的训练方式不得不局限于标注单一自由度的手势
。
最终，用户总是被动地根据指示产生运动，但又获取不到相应的反馈信息
,
因而被认为是一种开环校准，因此在训练阶段的用于模型拟合的训练集数据中，人的主动适应性被隔绝在外，这就完全需要依靠机器将用户的肌电信号与标注的运动意图进行拟合
。
而在测试阶段，虽然人的适应性可以通过额外设计的人机界面充分激发，但其只是让人更适应已训练完成的模型，肌电控制模型本身并没有融合人的适应性信息
。
因此，机器的适应性与人的适应性被分别割裂在训练阶段和测试阶段，彼此并没有进行真正的融合
。
[0004]综上所述，对比现行绝大多数的肌电控制研究发现，占据主流地位的肌电控制方法依然是基于机器学习模式的训练测试方法，但该方法在本质上限制了将人的适应性融入人机控制模型中，问题主要出在模型的训练集建立方法以及肌电控制模型的拟合方法这两个环节中：
1)
在训练集建立过程中，开环的数据采集方式使得人的适应性被阻断，仅有机器适应性的出现
(
即机器拟合用户的运动意图
)
；
2)
在测试集建立过程中，人在观察模型预测结果的过程中具有适应性，但机器模型已停止拟合，因此在该阶段中机器不具备适应性
。

技术实现思路

[0005]为了实现本专利技术的上述目的和其他优点，本专利技术的第一目的是提供一种人机共适应的肌电控制方法，包括以下步骤：
[0006]收集肌电信号与所述肌电信号对应的运动标签，得到本轮训练集数据；
[0007]对本轮训练集数据中的肌电信号与解码的动作意图的预测关系进行拟合；
[0008]实时标注正确的融合用户适应性的标签，得到人机共适应标签；
[0009]基于采集的肌电信号以及同时刻标注的人机共适应标签进行肌电解码模型拟合；
[0010]将拟合得到的肌电解码模型作为下一轮肌电控制的初始模型，从所述收集肌电信号与所述肌电信号对应的运动标签步骤重新开始下一轮肌电解码模型拟合，如此进行迭代
拟合，直至拟合完成
。
[0011]进一步地，所述肌电信号为用户通过施加手势控制位于人机共适应交互界面中心的光标去接近预设目标过程中对应的肌电信号
。
[0012]进一步地，所述人机共适应交互界面中的目标均匀分布在光标周围的若干预设方位
。
[0013]进一步地，每次目标接近任务中，所述人机共适应交互界面展示预设的目标和位于中心的光标，每次目标出现的次序是伪随机的
。
[0014]进一步地，所述手势包括手腕屈曲和展收
。
[0015]进一步地，所述肌电信号为环外手臂一圈的若干通道表面肌电信号
。
[0016]进一步地，所述对本轮训练集数据中的肌电信号与解码的动作意图的预测关系进行拟合具体为通过神经网络拟合肌电信号与解码的动作意图的预测关系
。
[0017]进一步地，所述通过神经网络拟合肌电信号与解码的动作意图的预测关系包括以下步骤：
[0018]将所述肌电信号作为输入；
[0019]输出两个连续预测值，分别用于控制光标在水平方向和垂直方向上的运动速度
。
[0020]进一步地，所述神经网络采用单隐层结构，如公式
(1)
所示：
[0021][0022]其中，
x
i
是输入向量的第
i
th
个元素，是输入层到隐藏层的权重，是隐藏层的偏置，
σ
是激活函数，是隐藏层到输出层的权重，是输出层的偏置；
[0023]所述神经网络采用
Adam
算法用于网络的梯度下降优化；
[0024]所述通过神经网络拟合肌电信号与解码的动作意图的预测关系还包括步骤：将所述肌电信号和运动意图标签的幅值归一化到
[0,1]。
[0025]进一步地，所述实时标注正确的融合用户适应性的标签包括控制光标的速度方向始终指向目标
。
[0026]进一步地，所述实时标注正确的融合用户适应性的标签还包括通过肌电信号的均方根值的代数和表征所标注动作的运动速度，最终意图标注如公式
(2)
所示：
[0027][0028]其中，
y
oral
为标注动作，
RMS
为肌电信号的均方根值，为目标
。
[0029]进一步地，所述基于采集的肌电信号以及同时刻标注的人机共适应标签进行肌电解码模型拟合具体为采用神经网络基于采集的肌电信号以及同时刻标注的人机共适应标签进行肌电解码模型拟合
。
[0030]本专利技术的第二目的是提供一种电子设备，包括：存储器，其上存储有程序代码；处理器，其与所述存储器联接，并且当所述程序代码被所述处理器执行时，实现一种人机共适应的肌电控制方法
。
[0031]本专利技术的第三目的是提供一种计算机可读存储介质，其上存储有程序指令，所述程序指令被执行时实现一种人机共适应的肌电控制方法
。
[0032]与现有技术相比，本专利技术的有益效果是：
[0033]本专利技术提供一种人机共适应的肌电控制方法
、
电子设备及存储介质，涉及神经义肢应用
、
康复机器人应用中的生物电信号运动控制
，突破了传统基于训练集和测试集划分的肌电识别建模框架束缚，通过在训练数据收集阶段引入与运动意图相关的反馈信号，使用户的适应性在模型训练阶段就提前介入，实现了机器与用户的互适应
。
[0034]本专利技术以面向假肢或外骨骼应用的肌电控制方法为切入口，通过基于人机共适应的新方法设计，融合机器的迭代更新策略，使机器的学习收敛性和用户的适应性得到了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人机共适应的肌电控制方法，其特征在于，包括以下步骤：收集肌电信号与所述肌电信号对应的运动标签，得到本轮训练集数据；对本轮训练集数据中的肌电信号与解码的动作意图的预测关系进行拟合；实时标注正确的融合用户适应性的标签，得到人机共适应标签；基于采集的肌电信号以及同时刻标注的人机共适应标签进行肌电解码模型拟合；将拟合得到的肌电解码模型作为下一轮肌电控制的初始模型，从所述收集肌电信号与所述肌电信号对应的运动标签步骤重新开始下一轮肌电解码模型拟合，如此进行迭代拟合，直至拟合完成
。2.
如权利要求1所述的一种人机共适应的肌电控制方法，其特征在于：所述肌电信号为用户通过施加手势控制位于人机共适应交互界面中心的光标去接近预设目标过程中对应的肌电信号
。3.
如权利要求2所述的一种人机共适应的肌电控制方法，其特征在于：所述人机共适应交互界面中的目标均匀分布在光标周围的若干预设方位
。4.
如权利要求3所述的一种人机共适应的肌电控制方法，其特征在于：每次目标接近任务中，所述人机共适应交互界面展示预设的目标和位于中心的光标，每次目标出现的次序是伪随机的
。5.
如权利要求2～4任一项所述的一种人机共适应的肌电控制方法，其特征在于：所述手势包括手腕屈曲和展收
。6.
如权利要求5所述的一种人机共适应的肌电控制方法，其特征在于：所述肌电信号为环外手臂一圈的若干通道表面肌电信号
。7.
如权利要求4所述的一种人机共适应的肌电控制方法，其特征在于：所述对本轮训练集数据中的肌电信号与解码的动作意图的预测关系进行拟合具体为通过神经网络拟合肌电信号与解码的动作意图的预测关系
。8.
如权利要求7所述的一种人机共适应的肌电控制方法，其特征在于：所述通过神经网络拟合肌电信号与解码的动作意图的预测关系包括以下步骤：将所述肌电信号作为输入；输出两个连续预测值，分别用于控制光标在水平方向和垂直方向上的运动速度
。9.
如权利要求7或8所述的一种...

【专利技术属性】
技术研发人员：胡旭晖，杨洪波，郭凯，张森浩，杨科荣，童谣，张莹莹，
申请(专利权)人：苏州国科医工科技发展集团有限公司，
类型：发明
国别省市：