CN104107134A - 基于肌电反馈的上肢训练方法及*** - Google Patents

Abstract

本发明公开了一种基于肌电反馈的上肢训练方法及***，该***将信号采集，模式识别，生物反馈，及实时疲劳评价各模块有序的结合，可以帮助用户实现上肢运动功能的训练。所述方法包括：在用户为完成虚拟的游戏任务而进行相应的动作例如前臂旋转、屈腕/伸腕的同时，采集用户上肢关节的运动信号和肌电信号，利用基于用户所采集到运动信号调整虚拟控制目标的运动参数，同时根据肌电信号中的特征参数识别出用户的若干肌肉收缩模式，并将识别出的模式作为肌电反馈控制方法的选择依据。另外，在整个交互训练的同时***根据采集到的肌电信号实时提取疲劳特征，分析肌肉的疲劳状态以实现对肌肉疲劳判断和报警。

Description

基于肌电反馈的上肢训练方法及***

技术领域

本发明涉及医疗技术领域，尤其涉及一种基于肌电反馈的上肢训练方法及***。 

背景技术

脑卒中（中风）是威胁人类健康的首要疾病之一，具有恢复缓慢，死亡数多，致残率高等特点，而且伴随着人们生活水平日益提高，呈现患病率逐渐上升的趋势。据调查显示，大多数中风用户往往因中枢神经系受损而导致上下肢运动功能丧失，给用户本身和家庭都带来了巨大的痛苦和损失，因此，中风用户需要依靠康复训练来重获运动能力，以提高在日常生活中的自理能力，为家庭和社会减少负担。对于中风用户的肢体功能康复，往往呈现出下肢较上肢快、近端较远端易的特点，30%-66%的脑卒中用户遗留有不同程度的上肢功能障碍，且有将近10%是重度致残，所以上肢运动功能康复已经成为脑卒中用户临床康复的关注热点。而手关节以及腕关节的功能康复作为康复的重要分支，是以涉及复杂神经回路的精细动作恢复为主，成为上肢大关节运动功能康复的有力补充。传统的上肢康复方法包括人工物理治疗，反复作业疗法，强制运动疗法以及中医学中的针灸医术等，都在一定程度上促进脑卒中用户运动功能的恢复。近年来，人机交互作为一种结合了各种脑机接口技术，虚拟现实技术，运动传感技术，生物反馈技术等的新型康复手段，在中风康复领域发展迅速。其中，利用肌肉电信号反馈控制以实现人机交互的方法不仅可以在康复训练中通过人机交互界面上虚拟游戏增加用户的参与兴趣，而且对中风用户康复有助于对中风用户神经功能变化机理的探究，可以通过在复杂的生物电信号中提取有用的信息从本质上对中风用户的神经肌肉状况进行跟踪和评价，提高康复效率。调研得到的现有的新型手部及腕部康复装置包括，美国华盛顿国立康复医院 Brokaw在2010年提出的增强手部运动驱动弹力装置（HandSOME）是利用弹力绳的弹力抵抗屈肌的高张力的原理来实现康复效果。美国芝加哥伊利诺伊大学的Iwamuro也在2011年提出一种X-Golve手套矫形装置，并且在临床试验中利用Wolf运动分级功能表进行了康复效果验证。2011年新泽西医学与牙科学研究院Merian搭建的上肢功能康复机器人使中风患者在完成4项手部动作的同时进行康复训练，来自香港理工大学的Tong及Goldfrey等也利用手部和腕部的外骨骼机器人对中风患者患侧前臂进行辅助康复治疗，另外，有文献指出同一块肌肉的肌电信号的大小可以反映出肌肉收缩产生的力的大小，且成正相关的关系，基于这一点，2010年英国中央兰开夏大学Ma利用了肌电反馈的思路，控制虚拟射击游戏，将处理的肌电信号用来控制游戏的动作，使患者在游戏的同时，进行肩关节和手关节的运动。 

综上所述，针对中风用户上肢，尤其是以精细运动为主的手和腕关节的康复技术仍处于相对早的阶段，基本都为单关节的，低自由度的康复动作设计，且对于利用生物电信号进行人机交互对游戏控制和利用模式识别进行反馈属性切换的实例也相对较少，这一技术在卒中患者手功能康复中已经得到应用，但是其机制还需进一步探索，大面积的推广和普及还需要更完善的理论基础，以及相应的经济和技术支持。另外，在训练过程中，很多***也疏于对参与者肌肉疲劳情况进行实施监控，因此对康复训练过程中，用户患肢肌肉神经情况的实时反馈也比较匮乏，不利于在训练过程中对肌肉疲劳状况进行评判以及在临床上对用户提出进一步的康复策略。 

发明内容

本发明提出一种基于肌电反馈的上肢训练方法及***，利用上肢动作相关的运动及肌电信号进行人机交互，对虚拟游戏进行控制，控制基于模式识别及生物肌电反馈进行，来实现多关节参与训练的效果，并对训练过程中用户的肌肉疲劳状况进行跟踪评价和报警。 

本发明实施例提供一种基于肌电反馈的上肢训练方法，其特征在于，包括步骤： 

S1、在用户为完成虚拟游戏中的任务以进行相应的上肢关节动作时，实时采集用户上肢关节的运动信号和肌电信号； 

S2、利用基于采集到的所述运动信号调整虚拟控制目标的位置、速度、加速度等运动参数， 

S3、同时根据采集到的所述肌电信号中的特征参数识别出用户的若干肌肉收缩模式; 

S4、将识别出的模式作为肌电反馈控制方式的选择依据。 

优选的，在所述步骤S4中，所述肌电反馈控制方法至少包括有肌电幅值映射控制及肌电幅值阈值判断，所述有肌电幅值映射控制及肌电幅值阈值判断都是通过对肌电信号进行实时的处理，并与虚拟场景中的参数进行交互控制，其具体对应的虚拟游戏中控制的参数根据游戏内容选择。 

优选的，还包括步骤： 

S5、在利用所述肌电反馈控制方法实现用户的上肢训练过程中，根据采集到的肌电信号实时提取疲劳特征,通过对疲劳特征参数的跟踪和记录，分析肌肉的疲劳状态以实现对肌肉疲劳判断和报警。 

优选的，在所述步骤S1前，还包括步骤： 

S0、使用户进行相应动作的最大自主收缩，根据采集到的肌电信号选择肌电反馈控制和疲劳特征判断中的个性化阈值。 

优选的，在所述步骤S2中，通过以下步骤实现如何根据采集到的所述肌电信号中的特征参数识别出用户的若干肌肉收缩模式： 

S31、利用一个平滑移动窗将采集到的肌电信号进行周期化分割，提取每个周期内的肌电信号的特征参数，所述特征参数至少包括平均绝对值、信号持续时间、平均绝对值斜率、波长法、过零次数法； 

S32、将提取的特征参数作为输入量输入锻炼好的分类器，从而反馈识别出用户单块或多块肌肉发力时的收缩模式，可以为对至少包括伸腕及屈腕的运动 的识别，也可以为对多块肌肉在发力时的协同模式，其发送出相应的判别指令，识别的模式及其种类与交互游戏选择密切相关，可结合用户需要进行更改。 

本发明还相应提供了一种基于肌电反馈的上肢训练***，包括： 

主机交互模块，包括交互游戏界面，用于引导用户进行相应的上肢关节动作以完成虚拟游戏中的任务； 

信号采集模块，用于在用户进行相应的上肢关节动作时，实时采集用户上肢关节的运动信号和肌电信号； 

信号传输模块，用于将所述信号采集模块采集到的运动信号和肌电信号传输到主机控制模块以进行人机交互； 

主机控制模块，分别与所述主机交互模块和信号传输模块连接，用于将所述信号传输模块传输的运动信号和肌电信号进行运算与处理，并将运算和处理结果输出给所述主机交互模块以进行相应的游戏操作的参数设置，主要包括： 

接收存储单元，用于接收所述信号传输模块传输的运动信号和肌电信号并存储； 

特征参数提取单元，用于将所述接收存储单元中的肌电信号进行特征参数提取； 

运动参数设置单元，用于根据所述接收存储单元接收到的运动信号调整所述主机交互模块中显示的虚拟控制目标的运动参数； 

模式识别单元，根据所述特征参数提取单元提取的特征参数识别出用户的若干肌肉发力收缩模式;并将识别出的模式转化成为指令输出 

肌电反馈控制单元，接收所述模式识别单元输出的指令，并根据所述指令作为选择不同肌电反馈控制方法的依据。 

优选的，所述主机控制模块还包括： 

肌肉疲劳监控单元，用于对所述特征参数提取单元提取的特征参数进行实时监控，当所述特征参数中能够表征用户肌肉疲劳的特征参数达到预设的疲劳阈值时，发出疲劳警报。 

优选的，所述主机控制模块还包括： 

初始阈值设定单元，用于将根据训练前采集到的最大自主收缩测试结果的一定百分比设定好的初始阈值进行确认和保存，可以有效的消除个体化的差异; 

训练难度调节单元，利用***将上肢运动设定不同的阻力；实现不同用户的个性化训练强度配置和不同强度下的训练过程。 

优选的，所述信号采集模块具体包括： 

运动信号采集单元，通过运动信号测量装置采集用户上肢运动信号； 

肌电信号采集单元，通过表面电极提取采集用户上肢运动相关肌肉的肌电信号，并将采集到的多个通道的肌电信号进行至少包括放大和滤波的预处理。 

优选的，所述主机控制模块还包括： 

肌电信号周期分割单元，利用一个平滑移动窗将采集到的肌电信号进行周期化分割，从而进行特征参数计算。 

本发明实施例提供的基于肌电反馈的上肢训练方法及***，将采集并预处理后的肌电信号和运动信号进行反馈控制，与利用虚拟技术搭建的康复游戏进行交互，达到对虚拟游戏动作的控制，并且在康复训练的同时，利用采集到的肌电信号对训练者运动量进行实时的监控，从而对参与者肌肉疲劳情况进行判断，并做出疲劳报警，以便对训练任务进行合理的调整。 

附图说明

图1是本发明提供的基于肌电反馈的上肢训练方法的流程示意图； 

图2是本发明提供的基于肌电反馈的上肢训练方法中步骤S1的流程示意图； 

图3是本发明提供的基于肌电反馈的上肢训练方法中步骤S3的流程示意图； 

图4是本发明提供的基于肌电反馈的上肢训练***的结构示意图； 

图5是本发明提供的基于肌电反馈的上肢训练***的信号采集模块的结构示意图； 

图6是本发明提供的基于肌电反馈的上肢训练***的主机控制模块的结构 示意图； 

图7是本发明提供的一个实施例游戏的交互和控制的示意图。 

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 

参见图1，是本发明提供的基于肌电反馈的上肢训练方法的流程示意图。 

本发明实施例提供一种基于肌电反馈的上肢训练方法，包括以下步骤S1～S5： 

S1、在用户为完成虚拟游戏中的任务以进行相应的动作时，包括完成前臂旋转、屈腕/伸腕，及手关节抓握的动作时采集用户前臂的旋转角度信号和相关肌肉的肌电信号； 

本发明旨在将采集到的肌电信号和角度信号进行反馈控制，与利用虚拟技术搭建的康复游戏进行交互，达到对游戏动作的控制。而本发明的训练方法通过使用自主设计的上肢康复训练装置和肌电及运动信号采集模块，将人体的肌电参数和前臂旋转角度通过传输模块最终送入主机输出参数，控制虚拟交互环境中的虚拟目标，虚拟交互游戏引导用户在康复训练装置的基础上完成相关训练。例如，若干实施例中的一个为攻击型虚拟游戏，虚拟环境包括大炮、炮弹、目标物三个模型，虚拟环境参数有大炮发射角度、发射初速度和发射开关。从角度信息采集模块采集的角度信息来驱动和实时改变虚拟环境中大炮模型角度，利用肌电信号来驱动和实时修改炮弹发射与否的状态和发射初速度。 

如图2所示，所述步骤S1具体包括步骤： 

S11、通过交互游戏界面引导用户抓握操作把柄进行相应的前臂旋转以将大炮瞄准交互游戏界面显示的虚拟目标； 

S12、通过角度测量装置采集用户前臂旋转角度信号； 

在该步骤中，所述角度测量装置可以设计成一端为所述操作把柄、中间为固定的旋转阻尼计、另一端为编码器；阻尼器可以调整用户训练强度，编码器通过测量脉冲频率或周期的方法来测量前臂的角度信息； 

S13、通过表面电极提取采集用户前臂及手部抓握发力和手腕屈伸运动相关的两对肌肉的肌电信号，并将采集到的四个通道的肌电信号进行至少包括放大和滤波的预处理。 

在该步骤中，利用表面电极提取肌肉表面微弱的肌肉电信号，通过屏蔽效果较好的导联线来实现原始肌电信号的提取。所用电极为三点式差动输入电极。其中，一个为参考地，另外两个为肌电的输入端，两电极的距离均相等。 

通过表面电极提取采集用户前臂及手部抓握发力和手腕屈伸运动相关的两对肌肉的肌电信号，包括有指浅屈肌（flexor digitorum supercifialis），指总伸肌（extensor digitorum），桡侧腕屈肌（flexor carpiradialis），尺侧腕伸肌（extensor carpiulnaris）的肌电信号进行采集。 

S2、在虚拟操作执行前，利用基于用户所采集到角度信号调整虚拟控制目标的位置、速度、加速度等运动参数。 

S3、获取所述采集的肌电信号中的特征参数，并根据获取的特征参数识别出用户的前臂多块肌肉的发力收缩模式。 

将肌电信号和运动信号送入主机后则可对肌电信号进行特征参数提取，以对肌肉发力收缩动作进行模式识别，用于切换肌电反馈控制单元的相应控制方法。参考图3，所述步骤S3具体可包括步骤： 

S31、利用一个平滑移动窗将采集到的肌电信号进行周期化分割； 

参与者在完成手部及腕部发力动作的时候，上述4块肌肉会产生明显的肌电信号，利用移动窗的方法选取合适长度的数据段进行特征值提取，可以增强***实时性和准确性。 

S32、提取每个分割数据段内的肌电信号的特征参数，并存储。 

本实施例中，选择的特征参数如下：平均绝对值、信号持续时间、平均绝 对值斜率、波长法、过零次数法、斜率过零次数、方差、中频、平均频率幅值、积分肌电和肌电幅值； 

A、绝对平均值： 

$\mathrm{MAV}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|x_i\right|,(i=\mathrm{1,2}....N-1,N)$    （公式1） 

式中，N为该段时间内的采样点数，为第i个采样点的EMG信号幅值。 

B、信号持续时间Td: 

T_d=T₂-T₁   （公式2） 

式中，T1为EMG的兴奋开始时间,T2为EMG的兴奋结束时间。 

C、平均绝对值斜率: 

首先将一时间段内的EMG分为若干小段（设I小段），先计算每一小段的绝对值的平均值MAVi，然后再计算各相邻段间的差值： 

△MAV_i=MAV_i+1-MAV_i   i=1,2....I-1   （公式3） 

并将其作为该EMG的特征值。 

D、波长法 

用于反映某段肌电信号的波形复杂程度，定义为： 

$L_0=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}\left|{\mathrm{\Δx}}_k\right|,{\mathrm{\Δx}}_k=x_k-x_{k-1}$    （公式4） 

通过一个参数反映了信号的幅值、频率及持续时间等共同作用的效果。 

E、过零次数法： 

$Z_c=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{sign}(x_i\&CenterDot;x_{i+1}),\mathrm{sign}(x_i\&CenterDot;x_{i+1})=\left\{\begin{array}{cc}1& \mathrm{if}(x_i\&CenterDot;x_{i+1})<0\\ 0& \mathrm{otherwise}\end{array}\right.$

（公式5） 

即将信号通过幅值为0的轴线的次数作为该信号的特征。 

F、斜率过零次数: 

对于顺序的EMG采样值：…x_k-1,x_k,x_k+1…，首先算其差值，…△x_k,△x_k+1…， 然后将斜率过零次数定义为： 

$\mathrm{SSC}=\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{sign}({\mathrm{\&Delta;x}}_k\&CenterDot;{\mathrm{\&Delta;x}}_{k+1})$

$\mathrm{sign}({\mathrm{\&Delta;x}}_k\&CenterDot;{\mathrm{\&Delta;x}}_{k+1})=\left\{\begin{array}{cc}1& \mathrm{if}(x_i\&CenterDot;x_{i+1})<\mathrm{threshold}\\ 0& \mathrm{otherwise}\end{array}\right.$    （公式6） 

其中阈值的设置是为了减小噪声的影响。 

G、方差: 

用于反映信号的功率。将其定义为： 

$\mathrm{VAR}=\frac{1}{N-1}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_i^2$    （公式7） 

H、中频: 

EMG功率谱可以用来衡量肌肉的活跃程度，常被用于肌肉疲劳程度的判别。等长收缩中，中频将随肌肉兴奋时间的延长而下降。其中，中频定义如下：设S(f)为功率谱密度函数，则将S(f)平分为两个相等面积的频率值Fm称为中频值： 

${\&Integral;}_0^{F_m}S\left(f\right)\mathrm{df}={\&Integral;}_{F_m}^{\&infin;}S\left(f\right)\mathrm{df}$    （公式8） 

I、频率幅值平均: 

定义为： 

$\mathrm{Fz}=\frac{1}{N}\underset{1}{\overset{N}{\mathrm{\&Sigma;}}}\left|\mathrm{fft}\left(X_i\right)\right|,(i=\mathrm{1,2,3}...N)$    （公式9） 

J、积分肌电： 

$\mathrm{IEMG}={\&Integral;}_{T2}^{T1}x\left(t\right)\mathrm{dt}$    （公式10） 

K、肌电幅值： 

EA＝max{x_i}   （公式11） 

利用如上所示的11种特征参数44维特征向量锻炼出来的分类器对腕部动作进行识别。 

S33、将提取的特征参数作为输入量输入模式识别单元从而反馈识别出用户 为肌肉发力收缩模式，并发送出相应的判别指令。 

本实施例选择BP多层感知神经网络，其中层传递函数选择如下： 

f＝(1+e^-x)^-1   （公式12） 

所是别的模式有屈腕和伸腕两种，从桡侧腕屈肌，尺侧腕伸肌采集的肌电信号的特征值输入已经锻炼好的BP多层感知神经网络，输出模式判别指令1/0，分别代表屈腕/伸腕动作。 

S4、将识别出的模式作为肌电反馈控制方法的选择依据。其中肌电反馈控制算法包括有肌电幅值映射控制，及肌电幅值阈值判断等，都是通过对肌电信号进行实时的处理，并与虚拟场景中的参数进行交互控制，其具体对应的虚拟游戏中控制的参数根据游戏内容选择。 

本实施例中，我们将手部抓握把柄的2个通道采集的原始肌电信号，即指浅屈肌和指总伸肌的肌电信号作为肌电反馈控制的原始信号，判断一次发力时，对2路肌电信号进行预处理后，包括滤波去噪，整流之后，进行降采样平滑处理，提取峰值作为特征值等待输入交互。当模式识别输出指令为1,（屈腕）则将由指浅屈肌的肌电信号提取的峰值作为控制炮弹发射的初始速度。而当识别出是0（伸腕）时，则将由指浅屈肌的肌电信号的特征峰值切换为控制大炮是否发射炮弹，判断依据是与根据最大自主收缩测试的特征峰值的一定百分比设定的阈值进行比较，超出阈值，炮弹发射。针对本实施例中的游戏，用户必须通过有序的切换动作（伸腕/屈腕）和合理的发力（手部抓握）来完成游戏任务。 

在本实施例中利用模式识别和肌电反馈控制时，为了避免腕部和手部动作时，肌电信号的同步兴奋，加入一个抑制开关，默认腕部动作时，指浅屈肌，指总伸肌处于静息状态，反之，手部抓握时，默认桡侧腕屈肌，尺侧腕伸肌处于静息状态。 

S5、在整个交互训练的同时，***根据采集到的肌电信号实时提取疲劳特征,通过对疲劳特征参数的跟踪和记录，个体化分析肌肉的疲劳状态以实现对肌 肉疲劳判断和报警。例如，当所述特征参数中能够表征用户肌肉疲劳的中值频率和/或肌电幅值达到预设的疲劳阈值时，发出疲劳警报。 

对于长时间进行训练的参与者，尤其是神经肌肉***功能较弱的情况下，肌肉会出现疲劳的状况，严重者甚至出现痉挛，这对康复训练的安全性提出了很高的要求，所以本发明将利用肌电信号对肌肉疲劳进行实时监控的思想加入其中。可以采用类似于时频联合分析法（JASA）的方法将中值频率（MF）和肌电幅值（EA）结合的方法来进行疲劳报警。 

所述步骤S5具体可包括步骤S51～S54： 

S51、为了进行实时的疲劳跟踪，本发明取适合长度的滑动窗进行跟踪。 

S52、频谱左移是肌肉在疲劳产生和发展的过程中产生的公认的现象，提取实时的肌电信号在数据窗内的中值频率，处理后作为判断疲劳状况的条件之一。 

作为经典的表征肌电信号的频域参数，随连续肌肉收缩时间增加有逐渐递减的趋势基于这一思想，结合阈值判断来判别疲劳，中值频率的计算公式如下： 

${\&Integral;}_0^{F_m}S\left(f\right)\mathrm{df}={\&Integral;}_{F_m}^{\&infin;}S\left(f\right)\mathrm{df}$   (公式13) 

上式中，Fm即为中值频率，为了避免肌电信号的非稳定性而带来的报警错误，可利用最小二乘拟合的原理，将随时间推移，不同运动分割周期下的肌电信号的中值频率进行一阶拟合，当拟合后的与阈值比较，当其小于阈值时，满足疲劳条件A，将阈值标定为最大自主收缩测试肌电信号中值频率的一定百分比。在这里，本实施取该百分比为50％。 

S53、提取实时的肌电信号在数据窗内的肌电幅值参数，处理后作为判断疲劳状况的条件之一。 

作为另一种在疲劳发展过程中呈现单调变化的参数,肌电幅值（EA）在时域上会有逐渐上升的趋势。将随时间的推移，不同分割周期内的肌电信号的峰值进行一阶最小二乘拟合，与阈值比较，当超过阈值时，疲劳条件B成立.将阈值标定为最大自主收缩测试肌电信号峰值的一定百分比。在这里，本实施取该百 分比为150%。 

S54、利用***控制模块对MF以及EA进行实时的监控和计算，当疲劳条件A和/或疲劳条件B成立时，则发出指令，进行疲劳报警。 

这里需要指出，由于疲劳时一个逐渐变化的过程，阈值的设定会有个性化差异，本专利已经利用最大自主收缩的采集标定方式来缩小这一差异使基本可以达到保证参与者不会因为在本***下进行康复训练时，由于过度疲劳而造成神经肌肉***损伤。 

另外，作为优选的，本发明实施例提供的一种基于肌电反馈的上肢训练方法在实施步骤S1～S5前还可以包括步骤S0： 

S0、在整个交互训练的前，用户需进行最大自主收缩测试，以个性化的标定肌电反馈控制单元和肌肉疲劳监控单元中所需设定的阈值。本实施例中，需要进行屈腕，伸腕，以及抓握三组动作的最大自主收缩测试，可取3次测试的平均值。 

本发明还提供一种基于肌电反馈的上肢训练***，能够实施上述实施例中的基于肌电反馈的上肢训练方法。 

参见图4，是本发明提供的基于肌电反馈的上肢训练***的结构示意图。 

本发明实施例提供一种基于肌电反馈的上肢训练***，包括主机交互模块1、信号采集模块2、信号传输模块3和主机控制模块4。 

具体的，结合图5和图6对本实施例的基于肌电反馈的上肢训练***的各个模块进行详细的描述： 

所述主机交互模块1，包括虚拟游戏任务界面11，用于引导用户进行相应动作，例如，前臂旋转、屈腕/伸腕的动作以完成虚拟任务。 

通过建立一个虚拟游戏并通过交互游戏界面11显示给参与者,创建虚拟现实的训练场景,实现在虚拟现实环境中多自由度前臂的动作训练。该***对于提 高上肢中风用户的康复训练趣味性具有十分重要的意义。 

所述信号采集模块2，用于采集用户上肢的角度信号和肌电信号；如图5所示，所述信号采集模块2具体包括： 

运动信号采集单元21，通过角度测量装置采集用户前臂旋转角度信号，其中，所述角度测量装置为光电编码器；并通过测量脉冲频率或周期的方法来测量前臂的角度信息。 

肌电信号采集单元22，通过表面电极提取采集用户上肢运动相关的两对肌肉的肌电信号，并将采集到的多个通道的肌电信号进行至少包括放大和滤波的预处理。 

通过表面电极提取采集用户前臂及手部抓握发力和手腕屈伸运动相关的两对肌肉的肌电信号，包括有指浅屈肌（flexor digitorum supercifialis），指总伸肌（extensor digitorum），桡侧腕屈肌（flexor carpiradialis），尺侧腕伸肌（extensor carpiulnaris）的肌电信号进行采集。表面电极获得肌电信号，然后将其放大到合适的倍数并且进行滤波以消除传输过程中的电磁干扰，同时使得信号数据易于分析和存储。在此，仪表放大器因具有高共模抑制比和高输入阻抗被用于肌电信号的放大,其有两个输入，放大两输入之差。本***拟采用的肌电放大通道有二次放大，前置放大采用仪表运算放大器和二级放大采用高精度运算放大器,微弱的肌电信号经过二级放大后输出采集卡能够识别的模拟电压。 

所述信号传输模块3，用于将所述信号采集模块采集到的运动信号和肌电信号传输到主机控制模块。 

将采集到的人体的肌电信号和运动信号送入上位机以对肌电信号进行特征参数提取后，再根据提取的特征参数进行识别和切换，以控制虚拟交互环境中的虚拟操作。其中，将采集到的信号送入上位机分为肌电信号和运动信号两个部分，由于采集的原始肌电信号为模拟电压信号，需要经过AD转换然后通过USB通信模块送入上位机的主机控制模块内保存，本***拟设计一款数据采集模块，具有16位AD转换和USB通讯功能，并将其嵌入本发明所使用的肌电采集模块。而对于运动信号，由于光电编码器的输出为数字电信号，可以直接通 过USB通信模块将数字信号输入上位机的主机控制模块内保存，然后进行边沿计数，最后得到角度数值。 

所述主机控制模块4，分别与所述主机交互模块1和信号传输模块3连接，用于根据所述信号传输模块3传输的角度信号和肌电信号，而控制主机交互模块1以进行相应的游戏操作，参考图6，主机控制模块4具体包括初始阈值设定单元40、训练难度调节单元41、接收存储单元42、运动参数设置单元43、肌电信号周期分割单元44、特征参数提取单元45、模式识别及切换单元46、肌电反馈控制单元47和肌肉疲劳监控单元48，其中： 

初始阈值设定单元40，用于保存初始阈值，将用户进行肌肉最大自主收缩运动（最大自主收缩），若干次采集到的肌电信号中的肌电幅值平均值和中值频率平均值作为初始阈值。 

训练难度调节单元41，该单元为一端连接操作把柄的旋转阻尼计，利用旋转阻尼计可根据需要设定运动阻力，该实施例具体调节方法包括，主机根据训练阻力需求提供不同的模拟输入电压，旋转阻尼器接收到主机输入的模拟电压信号，然后阻尼器通过电磁感应原理将模拟电压信号转换成训练所需的运动阻力值，最后实现不同用户的个性化训练强度配置和不同强度下的训练过程； 

接收存储单元42，用于接收所述信号传输模块传输的运动信号（角度信号）和肌电信号并存储。 

运动参数设置单元43，用于根据所述接收存储单元接收到的角度信号调整所述主机交互模块中显示的虚拟控制目标的位置、速度、加速度等运动参数 

肌电信号周期分割单元44，利用平滑的移动的窗将采集到的肌电信号进行周期化分割。在模式识别单元和肌肉疲劳监控单元中，利用该方法可以保证运算的速度和***的实时性。 

特征参数提取单元45，用于提取所述肌电信号周期分割单元分割后的每个周期内的肌电信号进行特征参数，例如平均绝对值、信号持续时间、平均绝对值斜率、波长法、过零次数法、斜率过零次数、方差、中频、平均频率幅值、积分肌电和肌电幅值，具体的特征参数可参考上述公式（1）～公式（11）。 

模式识别单元46，用于根据所述特征参数提取单元提取的特征参数识别出用户发力肌肉收缩模式：本具体实施方案一将提取的特征参数作为输入量输入锻炼好的BP多层感知神经网络，从而反馈识别出用户为屈腕/伸腕的动作模式，其向主机交互模块发送出相应的判别指令为1/0。 

肌电反馈控制单元47，接收所述模式识别单元输出的指令，并根据所述指令作为选择不同肌电反馈控制方法的依据。模式识别出的结果作为判据，选择对应的肌电控制反馈算法，可包括幅值映射法和阈值判断法等，本实施例在单一次抓握动作中，将所采集到得分割后的指浅屈肌的肌电信号进行平滑处理，利用了巴特沃兹1Hz低通滤波进行包络描绘，可以基本符合单调性要求。再提取峰值。若识别为屈腕，则峰值对应于游戏中的炮弹初速度，反之，则将峰值与阈值比较判断炮弹发射与否。 

肌肉疲劳监控单元48，用于对所述特征参数提取单元提取的疲劳特征参数进行实时监控，当所述特征参数中能够表征用户肌肉疲劳的中值频率和/或肌电幅值达到预设的疲劳阈值时，发出疲劳警报。 

可采用类似于时频联合分析法（JASA）的方法将中值频率（MF）和肌电幅值（EA）结合的方法来进行疲劳报警。 

参照图1的训练方法，图7提供了本发明的若干实施例中一个游戏交互和控制的示意图，信号采集模块包括光电编码器、编码器鉴相计数和肌电放大采集电路，光电编码器负责采集前臂旋转角度信号；编码器鉴相计数模块中编码器鉴相结果作为运动信号的方向参数，计数结果作为绝对角度值；肌电放大采集电路用来采集前臂旋转和屈腕/伸腕所对应指浅屈肌（flexor digitorum supercifialis），指总伸肌（extensor digitorum），桡侧腕屈肌（flexor carpiradialis）和尺侧腕伸肌（extensor carpiulnaris）的肌电信号； 

主机控制模块在该实施例中实现的功能包括1）接收存储单元，用于接收并保存训练过程中采集到的角度信号和肌电信号；2）旋转阻尼器阻力调节，主机通过改变阻力可调旋转阻尼器的模拟输入电压幅值来实时地改变训练装置运动过程中的实际旋转阻力，实现不同强度的上肢训练；3）运动参数设置单元，负 责根据角度信号调整交互模块中的大炮发射角度；4）肌电阈值设定单元，即用户进行肌肉最大自主收缩运动（最大自主收缩），若干次采集到的肌电信号中的肌电幅值平均值和中值频率平均值作为初始阈值；5）肌电信号周期分割单元，利用平滑的移动的窗将采集到的肌电信号进行周期化分割；6）肌电特征值提取单元，用于提取所述肌电信号周期分割单元分割后的每个周期内的肌电信号进行特征参数；7）肌电特征识别及切换单元，即识别屈腕伸腕模式来切换肌电信号幅值对应的控制方式；8）肌电反馈控制单元，本实施例包括阈值判断是否发炮和幅值映射炮弹初速度两种反馈控制方式；9）疲劳判断单元，即对肌电疲劳特征读取判断，进行疲劳报警； 

主机交互模块为一个游戏交互界面，包括大炮、炮弹和目标虚拟环境，用户将通过虚拟环境完成与上位机的交互过程，并利用指示灯对参与游戏的肌肉进行疲劳判断报警。 

综上所述，本发明基于肌电反馈的上肢训练方法及***带来以下有益效果： 

（1）相较于已经提出的一些上肢的康复训练***，本***利用了肌电信号进行反馈控制的思想，可以从根源对中风用户的神经肌肉康复水平进行反应，并且有利于在康复训练的同时，对肌肉神经的功能状况进行评估，有利于临床上医生对病人康复情况的监护。 

（2）本专利利用了肌电信号模式识别的原理，可以使参与者在简单的游戏过程中，得到充分的上肢关节锻炼，达到多自由度，多关节协同运动的效果，且在整个训练中，参与者需要通过有序的，合理的控制上肢动作来实现交互任务，有较高的功能性。 

（3）基于虚拟现实技术虚拟游戏的设计，既有利于提高康复的趣味性，提高用户的训练耐性，而且本游戏中对参数的控制要求参与者在合适的时候做出正确的反映动作，这更有利于用户在训练中根据不同的情况控制发力的大小，得到更为全面的锻炼。 

（4）本专利所涉及将疲劳检测融入于训练康复中，即能够及时的反映出训练者肌肉的实际情况，并予以保护，而且可以在长期的训练中，利用疲劳检测 模块反映出的参数来跟踪用户的肌肉的耐力情况，从另一方面对用户的康复水平进行定性评估。 

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。 

Claims (10)

1.一种基于肌电反馈的上肢训练方法，其特征在于，包括：

S1、在用户为完成虚拟游戏中的任务以进行相应的上肢关节动作时，实时采集用户上肢关节的运动信号和肌电信号；

S2、利用基于采集到的所述运动信号调整虚拟控制目标的运动参数；

S3、同时根据采集到的所述肌电信号中的特征参数识别出用户的若干肌肉收缩模式;

S4、将识别出的模式作为肌电反馈控制方式的选择依据。

2.如权利要求1所述的基于肌电反馈的上肢训练方法，其特征在于，在所述步骤S4中，所述肌电反馈控制方法至少包括有肌电幅值映射控制及肌电幅值阈值判断，所述有肌电幅值映射控制及肌电幅值阈值判断都是通过对肌电信号进行实时的处理，并与虚拟场景中的参数进行交互控制，其具体对应的虚拟游戏中控制的参数根据游戏内容选择。

3.如权利要求1所述的基于肌电反馈的上肢训练方法，其特征在于，还包括步骤：

S5、在利用所述肌电反馈控制方法实现用户的上肢训练过程中，根据采集到的肌电信号实时提取疲劳特征,通过对疲劳特征参数的跟踪和记录，分析肌肉的疲劳状态以实现对肌肉疲劳判断和报警。

4.如权利要求2所述的基于肌电反馈的上肢训练方法，其特征在于，在所述步骤S1前，还包括步骤：

S0、使用户进行相应动作的最大自主收缩，根据采集到的肌电信号选择肌电反馈控制和疲劳特征判断中的个性化阈值。

5.如权利要求1所述的基于肌电反馈的上肢训练方法，其特征在于，在所述步骤S2中，通过以下步骤实现如何根据采集到的所述肌电信号中的特征参数识别出用户的若干肌肉收缩模式：

S21、利用一个平滑移动窗将采集到的肌电信号进行周期化分割，提取每个周期内的肌电信号的特征参数，所述特征参数至少包括平均绝对值、信号持续时间、平均绝对值斜率、波长法、过零次数法；

S22、将提取的特征参数作为输入量输入锻炼好的分类器，从而反馈识别出用户单块或多块肌肉发力时的收缩模式，可以为对至少包括伸腕及屈腕的运动的识别，也可以为对多块肌肉在发力时的协同模式，其发送出相应的判别指令，识别的模式及其种类与交互游戏选择密切相关，可结合用户需要进行更改。

6.如权利要求1所述的基于肌电反馈的上肢训练方法，其特征在于，所述肌电幅值映射控制是将特征参数中能够表征用户此时肌肉收缩的发力大小的肌电幅值滤波处理后得到的峰值直接作为虚拟游戏的参数；所述肌电幅值阈值控制是将特征参数中能够表征用户此时肌肉收缩的发力大小的肌电幅值滤波处理后得到的峰值与预设的肌电阈值进行比较，并根据比较结果确定是/否执行相应的虚拟操作，且执行该虚拟操作前根据所述运动信号调整虚拟目标的运动方向。

7.一种基于肌电反馈的上肢训练***，其特征在于，包括：

主机交互模块，包括交互游戏界面，用于引导用户进行相应的上肢关节动作以完成虚拟游戏中的任务；

信号采集模块，用于在用户进行相应的上肢关节动作时，实时采集用户上肢关节的运动信号和肌电信号；

信号传输模块，用于将所述信号采集模块采集到的运动信号和肌电信号传输到主机控制模块以进行人机交互；

主机控制模块，分别与所述主机交互模块和信号传输模块连接，用于将所述信号传输模块传输的运动信号和肌电信号进行运算与处理，并将运算和处理结果输出给所述主机交互模块以进行相应的游戏操作的参数设置，主要包括：

接收存储单元，用于接收所述信号传输模块传输的运动信号和肌电信号并存储；

特征参数提取单元，用于将所述接收存储单元中的肌电信号进行特征参数提取；

运动参数设置单元，用于根据所述接收存储单元接收到的运动信号调整所述主机交互模块中显示的虚拟控制目标的运动参数；

模式识别单元，根据所述特征参数提取单元提取的特征参数识别出用户的若干肌肉发力收缩模式;并将识别出的模式转化成为指令输出；

肌电反馈控制单元，接收所述模式识别单元输出的指令，并根据所述指令作为选择不同肌电反馈控制方法的依据。

8.如权利要求6所述的基于肌电反馈的上肢训练***，其特征在于，所述主机控制模块还包括：

肌肉疲劳监控单元，用于对所述特征参数提取单元提取的特征参数进行实时监控，当所述特征参数中能够表征用户肌肉疲劳的特征参数达到预设的疲劳阈值时，发出疲劳警报。

9.如权利要求6所述的基于肌电反馈的上肢训练***，其特征在于，所述主机控制模块还包括：

初始阈值设定单元，用于将根据训练前采集到的最大自主收缩测试结果的一定百分比设定好的初始阈值进行确认和保存；

训练难度调节单元，利用***将上肢运动设定不同的阻力；实现不同用户的个性化训练强度配置和不同强度下的训练过程。

10.如权利要求6所述的基于肌电反馈的上肢训练***，其特征在于，所述信号采集模块具体包括：

运动信号采集单元，通过运动信号测量装置采集用户上肢运动信号；

肌电信号采集单元，通过表面电极提取采集用户上肢运动相关肌肉的肌电信号，并将采集到的多个通道的肌电信号进行至少包括放大和滤波的预处理。