CN101987048B - 假肢控制方法和*** - Google Patents
假肢控制方法和*** Download PDFInfo
- Publication number
- CN101987048B CN101987048B CN 200910109087 CN200910109087A CN101987048B CN 101987048 B CN101987048 B CN 101987048B CN 200910109087 CN200910109087 CN 200910109087 CN 200910109087 A CN200910109087 A CN 200910109087A CN 101987048 B CN101987048 B CN 101987048B
- Authority
- CN
- China
- Prior art keywords
- artificial limb
- characteristic information
- action
- signal
- bioelectrical signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Prostheses (AREA)
Abstract
一种假肢控制方法,包括如下步骤:采集生物电信号;提取生物电信号的特征信息;根据特征信息识别动作类型,采用线性判别分析法分析所述特征信息并根据预先存储的训练结果识别动作类型,由训练程序模块实现动作分类器的训练;根据动作类型控制假肢完成相应的动作。利用上述假肢控制方法,假肢使用者可以自然而直接的选择和做他们想要做的各种不同肢体动作,就像他们截肢前一样。这种基于动作类型识别的控制技术可以实现肌电假肢的直觉操控,从而实现多功能假肢的自然、直觉控制,提高假肢使用的便利性。此外,还提供了一种假肢控制***。
Description
【技术领域】
本发明涉及假肢技术,尤其是涉及一种假肢控制方法和***。
【背景技术】
据国家***2006年对我国残疾人口抽样调查数据推算,在全国各类残疾人中,肢体残疾人口最多,为2412万人,占总残疾人口的29.07%。由于意外事故、先天缺陷、疾病、自然灾害等原因,肢体残疾人口还在不断增加。仅在2008年5月的四川汶川大地震中,就有2万多人失去了肢体。这些截肢人士,需要穿戴人工肢体以辅助其日常生活和工作。
根据假肢的控制方式,目前的国内外商业化人工肢体可分为:机械索控假肢、肌电假肢和肌电索控混合假肢。
传统的机械索控假肢是利用假肢使用者的自身力源,通过残留肢体的机械动作拉动绳索或链条来操控假肢的肘关节及手部装置。由于控制方法的固有局限,机械索控假肢存在着功能单一、操控缓慢、动作笨拙、维护困难等问题。
近几十年以来,从残留肢体表面记录的肌电信号被广泛用于人工上肢的控制中。截肢者残留肌肉收缩时,会发生复杂的生化反应,产生微弱的电信号。用置于残留肢体表面的肌电电极可以获取肌肉产生的电信号,这种电信号被称为:肌电信号。肌电信号经放大器进行放大和处理,作为假肢的控制信号。假肢控制器通过微型马达等驱动***带动假肢关节张合。
目前的肌电假肢利用一对残留肌肉(主缩肌与拮抗肌)控制一个动作自由度。肢体截肢后,肌电信息源是有限的,截肢的程度越高,残留的肢体肌肉越少,而需要恢复的肢体动作越多。因此,这种肌电控制方式不能直接实现假肢的多自由度控制,假肢的使用非常困难。为了用一对肌肉控制多个自由度,肌电假肢增加了动作“模式”切换功能。“模式”的切换是利用同时使一对肌肉“收缩”或附加开关来实现的。假设当前假肢的“模式”是手部动作,而假肢使用者下一步想做肘部的动作,他们需要使一对肌肉同时“收缩”产生肌电。当两个电极的肌电信号幅值都大于给定的“阈值”时,假肢的肢体动作“模式”从手部切换到肘部。然后,可以利两个肌电电极分别控制假肢的两个不同的肘部动作,例如前臂的抬起与放下。这种肌电假肢操控方法不符合人们“自然”使用肢体的方式,导致使用不便。例如,对于肘部以上截肢者,需要用残留的二头肌和三头肌控制腕部动作或手部动作,但在截肢前,二头肌和三头肌是与肘部动作有关的肌肉。这造成假肢使用中的动作笨拙,假肢使用者的精神负担大等不足。据统计,即使在拥有肌电假肢的残疾人中,大约不到50%的人经常使用他们的假肢。
【发明内容】
有鉴于此,有必要提供一种提高使用便利性的假肢控制方法。
另外,还有必要提供一种提高使用便利性的假肢控制***。
一种假肢控制方法,包括如下步骤:采集生物电信号;提取生物电信号的特征信息;根据特征信息识别动作类型,采用线性判别分析法分析所述特征信息并根据预先存储的训练结果识别动作类型,由训练程序模块实现动作分类器的训练;根据动作类型控制假肢完成相应的动作。
优选地,所述生物电信号为肌电信号,所述肌电信号包括两个以上的通道。
优选地,所述采集生物电信号的步骤包括:将肌电电极记录的电信号进行放大和滤波处理后经模/数转换为数字信号,所述滤波处理带宽为5-450赫兹或所述模/数转换的采样频率为500-1000赫兹。
优选地,所述提取生物电信号的特征信息的步骤包括从所述肌电信号中抽取时域特征参数与/或频域特征参数作为所述肌电信号的特征信息。
优选地,所述时域特征参数为平均绝对值、平均斜率绝对值、样点幅值差、过零率中的一种或两种以上。
优选地,所述抽取频域特征参数为对所述肌电信号进行傅立叶变换,提取以下频域特征参数中的一种或两种:功率谱的平均功率、中值频率。
优选地,所述提取生物电信号的特征信息的步骤包括将所述肌电信号分割为预定时间长度的数据分析窗口,从所述数据分析窗口中抽取所述时域特征参数与/或频域特征参数,并组合在一起形成所述肌电信号的特征信息的特征向量,所述两个以上通道的肌电信号的特征向量组合为肌电特征矩阵。
一种假肢控制***,包括:信号采集模块,用于采集生物电信号;特征提取模块,与所述信号采集模块相连提取所述生物电信号的特征信息;模式识别模块,根据所述特征提取模块获得的所述特征信息识别动作类型,采用线性判别分析法分析所述特征信息并根据预先存储的训练结果识别动作类型,由训练程序模块实现动作分类器的训练;驱动模块,根据所述模式识别模块识别的动作类型控制假肢完成相应的动作。
优选地,所述信号采集模块采集的所述生物电信号为肌电信号,所述特征提取模块提取的所述生物电信号的特征信息为时域特征参数与/或频域特征参数。
上述假肢控制方法及***通过提取生物电信号的特征信息并根据该特征信息识别动作类型,预测肢体残疾者想要执行的动作,根据预测的动作类型,控制假肢执行相应的动作。利用上述假肢控制方法,假肢使用者可以自然而直接的选择和做他们想要做的各种不同肢体动作,就像他们截肢前一样。这种基于动作类型识别的控制技术可以实现肌电假肢的直觉操控,从而实现多功能假肢的自然、直觉控制,提高假肢使用的便利性。
【附图说明】
图1为假肢控制方法的流程图;
图2为肌电信号的示意图;
图3为假肢控制***的模块图。
【具体实施方式】
以下实施方式公开了一种能够通过对体表肌电信号解码实现多功能假肢控制的技术。随着先进的信号处理技术及高性能微处理器的出现,使得通过对体表肌电信号解码实现多功能假肢控制的方法成为可能。该方法的理论(神经电生理)基础是运动神经信息可以通过对肌电信号解码得到。当截肢者通过想象用已经失去的肢体做不同动作时,来自大脑的运动神经信号使残存肌肉收缩后可以用肌电电极感应并产生电信号,对电信号进行处理后,用模式识别方法解码,得到截肢者想要做的肢体动作类型;根据识别的动作类型操控假肢完成相应的动作。利用这种控制方法,假肢使用者可以自然而直接的选择和完成他们想要做的各种不同肢体动作。因此,这种基于肌电模式解码的控制方案可以克服传统肌电假肢控制的不足,实现有直觉、多自由度假肢的仿生控制,提高使用的便利性。
如图1所示,其为假肢控制方法的流程图。
首先,步骤S110,采集生物电信号。本实施方式以表面肌电信号为例对生物电信号进行说明。当截肢者通过想象用已经失去的肢体做不同动作时,来自大脑的运动神经信号使残存肌肉收缩,用附着在肌肉表面的肌电电极感应并产生电信号。用肌电电极记录的肌电信号,经放大及滤波(带宽优选为5-450赫兹)处理后,用模-数转换器量化为数字信号,将该数字信号作为肌电信号,采样频率优选为500-1000赫兹。对于不同的肢体截肢程度及需要恢复的肢体动作数目,肌电电极的数目与位置将不同。肌电电极数目可以是一个或者两个以上,以获得两个以上通道的肌电信号,一般肌电电极数目为3-12个。对于肘关节以下的前臂截肢者,肌电电极置于残留前臂和上臂;而对于肘关节以上的前臂截肢者,肌电电极置于残留上臂。除了应用表面肌电信号,仍有其他生物电信号(如人机接口技术的脑电信号和周围神经电信号,以及侵入式深层肌电信号等)同样包含一定的运动信息,也可作为生物电信号,将该生物电信号作为信息源进行假肢动作类型的识别控制。
步骤S120,提取生物电信号的特征信息。从肌电信号中抽取时域特征参数与/或频域特征参数作为肌电信号的特征信息。时域特征参数可以为平均绝对值、平均斜率绝对值、样点幅值差、过零率中的一种或两种以上。抽取频域特征参数为对肌电信号进行傅立叶变换,提取以下频域特征参数中的一种或两种:功率谱的平均功率、中值频率。特征抽取的具体过程为:将每个通道采集的肌电信号分割为预定时间长度(例如50-250ms)的数据分析窗口(如图2所示为一个通道的肌电信号),数据分析窗口可以有一定的重叠(相邻窗口之间的增加量为t),从每个数据分析窗口中抽取肌电信号的时域特征参数与/或频域特征参数,并组合在一起形成肌电信号的特征信息的特征向量,所述两个以上通道的肌电信号的特征向量组合为肌电特征矩阵。除了将时域特征参数与/或频域特征参数作为生物电信号的特征信息外,还可以采用高阶谱及混沌与分形等特征参数提取方法作为生物电信号的特征信息。
步骤S130,根据特征信息识别动作类型。采用线性判别分析法(LinearDiscriminant Analysis,LDA)分析所述特征信息并根据预先存储的训练结果识别动作类型,即识别出使用者需要使用的模式。利用一个LDA模式分类器实时预测受试者想要执行的肢体动作前,也就是在使用者正式使用该假肢之前,需要用肌电信号的特征信息训练分类器,使其“记住”所包含的动作类型。由训练程序模块实现动作分类器的训练。分类器的输出可实时选择出假肢的动作类型,作用于假肢电机执行该动作。线性判别分析法充分利用类别归属信息,运行简单,所需计算量小,计算时间短,易嵌入硬件***实现广泛应用。并且,研究证明,线性判别分析法的正确率与其它主要的几种识别方法(人工神经网络,高斯混合模型)无明显差异或识别性更好。除了上述线性判别分析法外,还可以采用人工神经网络分类器(Artificial Neural Network,ANN)和隐马尔可夫模型(Hidden Markov Models,HMM)识别动作类型。
步骤S140,根据动作类型控制假肢完成相应的动作。分类器作出的动作分类结果作为假肢的控制输入信号,可实时的决定假肢将执行的动作。另外,假肢使用者肌肉收缩力量的差异将会改变肌电信号的幅值,利用肌电幅值大小来调控假肢动作的速度,幅值大则速度快,反之则速度慢。
上述假肢控制方法通过提取生物电信号的特征信息并根据该特征信息识别动作类型,预测肢体残疾者想要执行的动作,根据预测的动作类型,控制假肢执行相应的动作。利用上述假肢控制方法,假肢使用者可以自然而直接的选择和做他们想要做的各种不同肢体动作,就像他们截肢前一样。这种基于动作类型识别的控制技术可以实现肌电假肢的直觉操控,从而实现多功能假肢的自然、直觉控制,提高假肢使用的便利性。
采用多个肌电电极记录肌电信号,并识别肢体残障人想要做的不同肢体动作类型,然后根据识别的动作类型操控假肢做相应的动作,这种基于动作类型识别的控制技术可以实现多自由度假肢的控制,比如根据动作类型识别的结果进行腕部动作的控制或肘部动作的控制。
由于目前的肌电假肢控制不是一种自然(直觉)的操控技术,再加上利用同一肌肉的收缩控制不同的关节动作,从而使学习操控假肢的训练过程变得非常漫长和枯燥;假肢的动作缓慢、笨拙;假肢使用者的精神负担大等。而利用本发明的肌电控制技术,假肢使用者可以自然而直接的选择和做他们想要做的各种不同肢体动作,就像他们截肢前一样。因此,可以大大降低假肢操控的学习训练时间,降低假肢使用者的精神负担。
经过实验及虚拟现实肌电假肢控制的实验模拟证明上述假肢控制***是可行、有效的。例如,在以肘部截肢者为受试对象的实验研究中,利用4-6表面电极采集肌电信号,对于6个最常用的腕部与手部动作,动作类型识别的分类精度高度95%以上。这说明,基于动作类型识别的控制技术可以实现多自由度假肢的高精度控制。
此外,还提供了一种假肢控制***。如图3所示,该假肢控制***300包括依次连接的信号采集模块310、特征提取模块320、模式识别模块330、驱动模块340及与模式识别模块330连接的存储模块350、连接在信号采集模块310与驱动模块340之间的幅值计算模块360。
信号采集模块310用于采集生物电信号。本实施方式中,信号采集模块310包括依次连接的表面肌电电极、放大器、滤波器和模-数转换器。表面肌电电极通过无创的方式附着在肌肉表面感应并产生电信号,该电信号经放大器放大和滤波器滤波后由模-数转换器转换为数字信号。
特征提取模块320与信号采集模块310相连提取生物电信号的特征信息。本实施方式中,特征提取模块320提取的生物电信号的特征信息为时域特征参数与/或频域特征参数,也就是说,可以是单独的时域特征参数或频域特征参数,也可以是时域特征参数与频域特征参数的结合。
模式识别模块330根据特征提取模块320获得的特征信息识别动作类型。本实施方式中,模式识别模块330采用线性判别分析法分析所述特征信息并根据预先存储的训练结果识别动作类型。模式识别模块330与存储模块350相连,存储模块350用于存储在使用者正式使用该假肢之前,用肌电信号的特征信息训练过程中,各种肌电信号的特征信息所对应的动作类型。在使用者正式使用该假肢时,模式识别模块330根据预先存储的训练过程中肌电信号的特征信息与动作类型的对应关系确定当前肌电信号的特征信息对应的动作类型并输出该动作类型。
驱动模块340根据模式识别模块330识别的动作类型控制假肢完成相应的动作。例如,如果确定的动作类型为摆动前臂,则驱动模块340驱动肘关节的活动。
幅值计算模块360用于计算生物电信号幅度值,并将幅度值发送到驱动模块340,驱动模块340根据该幅度值控制假肢的移动速度。
上述假肢控制***通过提取生物电信号的特征信息并根据该特征信息识别动作类型,预测肢体残疾者想要执行的动作,根据预测的动作类型,控制假肢执行相应的动作。利用上述假肢控制***,假肢使用者可以自然而直接的选择和做他们想要做的各种不同肢体动作,就像他们截肢前一样。这种基于动作类型识别的控制技术可以实现肌电假肢的直觉操控,从而实现多功能假肢的自然、直觉控制,提高假肢使用的便利性。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种假肢控制方法,其特征在于,包括如下步骤:
采集生物电信号;
提取生物电信号的特征信息;
根据特征信息识别动作类型,采用线性判别分析法分析所述特征信息并根据预先存储的训练结果识别动作类型,由训练程序模块实现动作分类器的训练;
根据动作类型控制假肢完成相应的动作,分类器作出的动作分类结果作为假肢的控制输入信号,可实时的决定假肢将执行的动作;利用肌电幅值大小来调控假肢动作的速度,幅值大则速度快,反之则速度慢。
2.根据权利要求1所述的假肢控制方法,其特征在于,所述生物电信号为肌电信号,所述肌电信号包括两个以上的通道。
3.根据权利要求2所述的假肢控制方法,其特征在于,所述采集生物电信号的步骤包括:将肌电电极记录的电信号进行放大和滤波处理后经模/数转换为数字信号,所述滤波处理带宽为5-450赫兹或所述模/数转换的采样频率为500-1000赫兹。
4.根据权利要求2所述的假肢控制方法,其特征在于,所述提取生物电信号的特征信息的步骤包括从所述肌电信号中抽取时域特征参数与/或频域特征参数作为所述肌电信号的特征信息。
5.根据权利要求4所述的假肢控制方法,其特征在于,所述时域特征参数为平均绝对值、平均斜率绝对值、样点幅值差、过零率中的一种或两种以上。
6.根据权利要求4所述的假肢控制方法,其特征在于,所述抽取频域特征参数为对所述肌电信号进行傅立叶变换,提取以下频域特征参数中的一种或两种:功率谱的平均功率、中值频率。
7.根据权利要求4所述的假肢控制方法,其特征在于,所述提取生物电信号的特征信息的步骤包括将所述肌电信号分割为预定时间长度的数据分析窗口,从所述数据分析窗口中抽取所述时域特征参数与/或频域特征参数,并组合在一起形成所述肌电信号的特征信息的特征向量,所述两个以上通道的肌电信号的特征向量组合为肌电特征矩阵。
8.一种假肢控制***,其特征在于,包括:
信号采集模块,用于采集生物电信号;
特征提取模块,与所述信号采集模块相连提取所述生物电信号的特征信息;
模式识别模块,根据所述特征提取模块获得的所述特征信息识别动作类型,采用线性分析法分析所述特征信息并根据预先存储的训练结果识别动作类型,由训练程序模块实现动作分类器的训练;
驱动模块,根据所述模式识别模块识别的动作类型控制假肢完成相应的动作;
幅值计算模块,用于计算生物电信号幅度值,并将幅度值发送到驱动模块,驱动模块根据该幅度值控制假肢的移动速度。
9.根据权利要求8所述的假肢控制***,其特征在于,所述信号采集模块采集的所述生物电信号为肌电信号,所述特征提取模块提取的所述生物电信号的特征信息为时域特征参数与/或频域特征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910109087 CN101987048B (zh) | 2009-08-03 | 2009-08-03 | 假肢控制方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910109087 CN101987048B (zh) | 2009-08-03 | 2009-08-03 | 假肢控制方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101987048A CN101987048A (zh) | 2011-03-23 |
CN101987048B true CN101987048B (zh) | 2013-07-03 |
Family
ID=43743973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910109087 Active CN101987048B (zh) | 2009-08-03 | 2009-08-03 | 假肢控制方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101987048B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101874758B (zh) * | 2010-05-07 | 2012-02-22 | 中国科学院深圳先进技术研究院 | 辅助运动***及其控制方法 |
CN102499797B (zh) * | 2011-10-25 | 2014-12-10 | 中国科学院深圳先进技术研究院 | 假肢控制方法及*** |
CN102641196B (zh) * | 2011-12-30 | 2013-12-11 | 中国科学院深圳先进技术研究院 | 康复训练机器人控制***及控制方法 |
CN103358311B (zh) * | 2012-04-01 | 2017-02-08 | 中国科学院深圳先进技术研究院 | 基于生物电信号解码的机器人操控方法及*** |
CN102836021B (zh) * | 2012-09-29 | 2015-01-21 | 哈尔滨工业大学 | 编码式多自由度肌电假手控制*** |
CN103212188B (zh) * | 2013-05-13 | 2015-08-05 | 中山大学 | 一种辅助步态训练的方法及*** |
CN103519924B (zh) * | 2013-10-22 | 2015-12-02 | 深圳先进技术研究院 | 智能假手*** |
CN103941859A (zh) * | 2014-03-21 | 2014-07-23 | 上海威璞电子科技有限公司 | 一种利用信号功率区分不同手势的算法 |
CN104997581B (zh) * | 2015-07-17 | 2017-04-26 | 西安交通大学 | 基于面部表情驱动脑电信号的假手控制方法及装置 |
CN104997582B (zh) * | 2015-07-30 | 2017-03-22 | 沈阳工业大学 | 基于眼部和下颌肌电信号对智能假肢的控制装置及方法 |
CN105139038A (zh) * | 2015-09-14 | 2015-12-09 | 李玮琛 | 肌电信号模式识别方法 |
US10409371B2 (en) * | 2016-07-25 | 2019-09-10 | Ctrl-Labs Corporation | Methods and apparatus for inferring user intent based on neuromuscular signals |
CN107870583A (zh) * | 2017-11-10 | 2018-04-03 | 国家康复辅具研究中心 | 假肢控制方法、装置及存储介质 |
CN108008821B (zh) * | 2017-12-14 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 假肢动作分类器的性能评估方法、装置、终端及存储介质 |
CN109453509A (zh) * | 2018-11-07 | 2019-03-12 | 龚映清 | 一种基于肌电和运动捕捉的虚拟上肢控制***及其方法 |
CN109223264B (zh) * | 2018-11-13 | 2023-11-21 | 深圳先进技术研究院 | 一种膝关节假肢及控制方法 |
CN111317600B (zh) * | 2018-12-13 | 2022-03-15 | 深圳先进技术研究院 | 一种假肢控制方法、装置、***、设备和存储介质 |
CN109998742B (zh) * | 2019-05-07 | 2023-07-11 | 北京通和营润智能科技发展有限公司 | 一种多自由度肌电仿生假肢控制*** |
CN110811940B (zh) * | 2019-10-31 | 2020-11-24 | 中国科学院长春光学精密机械与物理研究所 | 一种智能假肢装置及控制方法 |
CN110974497A (zh) * | 2019-12-30 | 2020-04-10 | 南方科技大学 | 电动假肢控制***及控制方法 |
CN111743668B (zh) * | 2020-06-30 | 2023-12-05 | 京东科技信息技术有限公司 | 假肢控制方法、装置、电子设备和存储介质 |
CN113157095A (zh) * | 2021-04-23 | 2021-07-23 | 上海交通大学 | 基于表面肌电信号的嵌入式实时自适应控制方法和*** |
CN113288532B (zh) * | 2021-05-31 | 2023-04-07 | 北京京东乾石科技有限公司 | 一种肌电控制方法和装置 |
CN114533089A (zh) * | 2022-02-22 | 2022-05-27 | 北京工业大学 | 一种基于表面肌电信号的下肢动作识别分类方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101317794A (zh) * | 2008-03-11 | 2008-12-10 | 清华大学 | 多指多自由度假手用肌电控制能力检测训练方法 |
CN101371804A (zh) * | 2008-07-16 | 2009-02-25 | 哈尔滨工业大学 | 基于sEMG建立的人手姿态模式在线识别方法 |
-
2009
- 2009-08-03 CN CN 200910109087 patent/CN101987048B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101317794A (zh) * | 2008-03-11 | 2008-12-10 | 清华大学 | 多指多自由度假手用肌电控制能力检测训练方法 |
CN101371804A (zh) * | 2008-07-16 | 2009-02-25 | 哈尔滨工业大学 | 基于sEMG建立的人手姿态模式在线识别方法 |
Non-Patent Citations (2)
Title |
---|
朱嘉.基于肌电信号的人手动作模式识别.《基于肌电信号的人手动作模式识别》.2007, * |
雷敏 等.肌电假肢控制中的表面肌电信号的研究进展与展望.《中国医疗器械杂志》.2001,第25卷(第3期),156-159. * |
Also Published As
Publication number | Publication date |
---|---|
CN101987048A (zh) | 2011-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101987048B (zh) | 假肢控制方法和*** | |
CN108681396B (zh) | 基于脑-肌电双模态神经信号的人机交互***及其方法 | |
CN106726030B (zh) | 基于临床脑电信号控制机械手运动的脑机接口***及其应用 | |
CN102499797B (zh) | 假肢控制方法及*** | |
Englehart et al. | A robust, real-time control scheme for multifunction myoelectric control | |
CN202288542U (zh) | 假肢控制装置 | |
CN101711709B (zh) | 利用眼电和脑电信息的电动假手控制方法 | |
Nazarpour et al. | Application of higher order statistics to surface electromyogram signal classification | |
CN104382595A (zh) | 基于肌电信号与虚拟现实交互技术的上肢康复***及方法 | |
CN105549743A (zh) | 一种基于脑-机接口的机器人***及实现方法 | |
CN110059575A (zh) | 一种基于表面肌电唇语识别的辅助沟通*** | |
CN107981997B (zh) | 一种基于人脑运动意图的智能轮椅控制方法及*** | |
CN102426651A (zh) | 人体前臂表面肌电信号采集及模式识别*** | |
WO2020118797A1 (zh) | 假肢控制方法、装置、***、设备和存储介质 | |
CN103793058A (zh) | 一种主动式脑机交互***运动想象任务分类方法及装置 | |
CN105361880A (zh) | 肌肉运动事件的识别***及其方法 | |
Chen et al. | Exploring the relation between EMG sampling frequency and hand motion recognition accuracy | |
CN104548347A (zh) | 一种纯意念神经肌肉电刺激控制与神经功能评价*** | |
CN113111831A (zh) | 一种基于多模态信息融合的手势识别技术 | |
CN111544855A (zh) | 基于蒸馏学习和深度学习纯意念控制智能康复方法及应用 | |
CN107822629A (zh) | 四肢表面肌电轴的检测方法 | |
CN102306303A (zh) | 一种基于小训练样本的脑电信号特征提取方法 | |
He et al. | Adaptive pattern recognition of myoelectric signal towards practical multifunctional prosthesis control | |
CN113143676A (zh) | 一种基于脑肌电协同的外肢体手指的控制方法 | |
CN112732090A (zh) | 基于肌肉协同的用户无关实时手势识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |