CN106236336A - 一种肌电假肢手势及力度控制方法 - Google Patents
一种肌电假肢手势及力度控制方法 Download PDFInfo
- Publication number
- CN106236336A CN106236336A CN201610670269.XA CN201610670269A CN106236336A CN 106236336 A CN106236336 A CN 106236336A CN 201610670269 A CN201610670269 A CN 201610670269A CN 106236336 A CN106236336 A CN 106236336A
- Authority
- CN
- China
- Prior art keywords
- gesture
- signal
- dynamics
- limb
- finger
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/50—Prostheses not implantable in the body
- A61F2/68—Operating or control means
- A61F2/70—Operating or control means electrical
- A61F2/72—Bioelectric control, e.g. myoelectric
Landscapes
- Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Transplantation (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Vascular Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Prostheses (AREA)
Abstract
本发明涉及一种肌电假肢手势及力度控制方法,属于肌电假肢技术领域。该方法包括以下步骤:采集前臂表面肌电信号;通过移动窗口将多通道表面肌电信号分段传输到手势识别模型和手指力度识别模型;在手势识别模型中,首先检测信号活动段,提取生物肌电信号特征信息,对特征信息进行数据降维处理;然后根据降维后的特征信息进行实时动作识别分类;在手指力度识别模型中,对前臂表面肌电信号原始数据进行归一化处理,利用相关性分析分别选出与各个手指力度线性相关最大的一路表面肌电信号,选用各个手指相应的一路表面肌电信号对肌电假肢的手指力度进行线性控制。通过本方法,假肢使用者能够用自然而直接的控制肌电假肢的手势和手指力度,完成日常的基本动作,提高假肢使用者的本体感以及生活便利性。
Description
技术领域
本发明属于肌电假肢技术领域,涉及一种肌电假肢手势及力度控制方法。
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。
目前市面上常用的和比较先进的假肢有装饰性假肢、工具手、牵引式机械假手、电动假肢、声控假肢、肌电假肢。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。而肌电假肢是一种由大脑神经直接支配的外动力型假肢,使用时直感性强,仿生效果好,是现代假肢的发展方向,适用于前臀部分缺损的残疾者。肌电假肢的控制***,是由大脑神经支配肢体肌肉收缩产生运动时发出肌电信号,传达到前臂皮肤表面,经过电极的测取和放大,传输到控制***,最后由控制***对信号进行分析处理,模式识别,驱动电机完成对假肢手指伸屈、手腕伸屈、手腕内外旋转等动作。
现阶段对于sEMG信号的分析和研究,无论是信号特征参数的提取算法,还是信号动作类型的分类器算法都己发展成熟。sEMG信号的特征参数提取算法,从传统的统计量特征,到信号的时域、频域特征,再发展到其时频域特征,从算法的理论基础到结构参数优化都己经研究得十分透彻;sEMG信号的分类器算法,从最初的线性判定分类器,发展到目前的SVM分类器和模拟人脑结构的ANN分类器;同时分类器的学习训练算法也随着分类器的发展逐步趋于成熟。
尽管目前基于前臂肌电信号手势识别的研究非常丰富,但对单手指的姿态和指尖力度同步控制的研究相对较少。利用肌电信号同步控制现有假肢动作和手指力度,可以使残疾人能够自主的控制假肢完成更多复杂的操作,提高其生活便利性。
有鉴于此,本发明提出的肌电假肢控制方法在一定程度上弥补了现有康复手的不足,具有一定的实际应用价值。
发明内容
本发明的目的在于提供一种肌电假肢手势及力度控制方法,该方法能够达到更加准确快速预测患者动作意图,实现对肌电假肢的动作及力度的同步控制。
为达到上述目的,本发明提供如下技术方案:
一种肌电假肢手势及力度控制方法,该方法包括以下步骤:S1:采集前臂表面肌电信号;S2:通过移动窗口,每次将N个肌电信号分别传输到手势识别模型和手指力度识别模型;S3:通过手势识别模型实现肌电假肢动作控制;S4:通过手指力度识别模型实现肌电假肢手指力度控制。
进一步,所述的肌电信号为残肢前臂多通道表面肌电信号。
进一步,在步骤S3中,手势识别模型是通过神经网络训练肌电信号与手势类型之间的非线性映射模型,该模型可根据降维后的数据判别使用者动作意图,经过电机驱动假肢完成相应动作,具体包括:首先进行信号活动段检测,提取生物肌电信号特征信息;其次,对特征信息进行数据降维处理;最后根据降维后的特征信息进行实时动作识别分类,驱动假肢执行相应动作。
进一步,在步骤S4中,在手指力度识别模型中,对前臂表面肌电信号原始数据进行归一化处理,利用相关性分析分别选出与各个手指力度线性相关最大的一路表面肌电信号,选用各个手指相应的一路表面肌电信号对肌电假肢的手指力度进行线性控制,驱动假肢各个手指执行相应抓取力度。
进一步,采集的肌电信号中设定一定时间长度的数据分析移动框口,对窗口内的数据进行平均绝对值,平均功率,中值频率等数据处理;设定活动段阀值,当输入值超过阀值,便将肌电信号传送到下一步进行特征提取处理,如果输入值小于阀值,将停止传送肌电信号到特征提取处理,肌电假肢手势保持不变。
进一步,所述的特征提取包括AR特征提取,移动绝对循环比,小波包系数,以及样本熵等时域频域特征提取方法,采用其中一种或多种,然后将得到的特征值进行数据降维处理。
进一步,所述对特征信息进行数据降维处理采用主成分分析法或因子分析法,减小手势识别模型中的输入量,提高后续手势识别效率。
本发明的有益效果在于:通过本发明提供的假肢控制方法,假肢使用者能够用自然而直接的控制肌电假肢的手势和手指力度,完成日常的基本动作,提高假肢使用者的本体感以及生活便利性。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明的肌电假肢控制***模块图;
图2为本发明的肌电假肢手势及力度控制流程图;
图3为肌电信号处理时序图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为本发明的肌电假肢控制***模块图。图2为本发明的肌电假肢手势及力度控制流程图,如图所示,本发明提供的肌电假肢手势及力度控制方法,包括如下步骤:采集前臂表面肌电信号;将多通道表面肌电信号分别传输到手势识别模型和手指力度识别模型;在手势识别模型中,首先信号活动段检测;提取生物肌电信号特征信息;对特征信息进行数据降维处理;根据降维后的特征信息进行实时动作识别分类,其中动作识别模型是通过神经网络训练肌电信号与手势类型之间的非线性映射模型;在手指力度识别模型中,对前臂表面肌电信号原始数据进行归一化处理,利用相关性分析分别选出与各个手指力度线性相关最大的一路表面肌电信号,选用各个手指相应的一路表面肌电信号对肌电假肢的手指力度进行线性控制。利用上述假肢控制方法,假肢使用者能够用自然而直接的控制肌电假肢的手势和手指力度,完成日常的基本动作,提高假肢使用者的本体感以及生活便利性。
具体来说,在本实施例中,首先,采集患者前臂表面肌电信号,当截肢者通过想象用已经失去的肢体做不同动作和力度时,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1000-2000HZ,肌电电极数目优选为2-8个,将该生物电信号作为信息源进行动作和力度识别分析。
在手势识别模型中,采用活动段检测:患者在使用肌电假肢时,存在一个动作刚好完成就继续做下一个动作,此时肌肉还未来得及放松,故一个动作的肌电信号的起始段和紧接着的下一个动作的起始段相重合。首先利用相关性分析,选出与各类手部动作相关性最强的一路肌电信号,采用小波分解与重构后的该路信号用于活动段识别信号,当肌电信号的幅值大于设定阀值,判断为活动段,将信号送到特征提取处理;当幅值小于设定值判断为静态保持,停止传送信号到特征提取处理。
如图2所示,根据生物控制机理以及相关性分析,选取一路与各类动作均有很强相关性的表面肌电信号,采用小波分解重构后的该路信号用于活动段识别信号,当肌电信号的幅值大于设定阀值,判断为活动段,将信号送到特征提取处理;当幅值小于设定值判断为静态保持,停止传送信号到特征提取处理。
如图3所示,其为肌电信号处理时序图,首先活动段检测,然后在动作开始段进行手势识别,并进行假肢手势运动控制,最后在手势持续的过程中进行手指力度识别,并进行假肢力度控制。
特征提取的过程:为了提取较为全面的肌电信号特征信息,采用时域自回归特征AR系数和绝对均值循环比特征TD。绝对均值循环比特征TD计算方式如下:例如采集肌电信号的通道数为6,信号幅值的据对均值(MAV)特征是一种常用的信号表征值其计算公式如下:
多通道SEMG信号的绝对均值比特征MAVRc计算公式如下:
AR模型将SEMG信号看成是零均值噪声激励一个线性***的响应输出信号,其数学表达式如下:
该模型的***函数是:
式中x(n)为SEMG的当前采样值,w(n)为当前激励值,也即前向预测误差(白噪声),p为模型的阶数,ak是AR模型第k个系数,AR模型能够有效地将SEMG信号的随机性和可预测性相结合,当服模型的阶数取为3-6时,可以取得有效的sEMG分类和识别性能。
接下来将TD-AR提取的特征信号发送到降维处理模型,在本实施例中,采用主成分分析法PCA进行降维处理。针对降维后的数据,通过神经网络训练肌电信号与手势类型之间的非线性映射模型,来判别使用者动作意图,驱动电机使假肢完成相应动作。
所述的手指力度识别模型,基于前臂神经控制机理选出与各个手指抓取力度最相关的一路肌电信号,对该路肌电信号进行归一化处理。这样既保证了运算的便捷,又能凸现出物理量的本质含义。归一化的重要作用就是消除因肌电信号和指尖压力信号取值与量纲差异而产生的影响,为所有的物理量树立一个统一的标尺,在这个标尺下考虑试验数据的变化规律。我们采用简单的线性数据转换对肌电信号和指尖力进行归一化处理。因为其具有样本的大小关系保持不变和样本的相对距离保持不变的性质更好的反映了实验数据的变化规律。
设数据样本的取值范围为[max,min]则归一化表达式为:
利用相关性分析分别选出与各个手指力度线性相关最大的一路表面肌电信号,选用各个手指相应的一路表面肌电信号对肌电假肢的手指力度进行线性控制,最后由电机驱动假肢各个手指执行相应抓取力度。利用上述假肢控制方法,假肢使用者能够用自然而直接的控制肌电假肢的手势和手指力度,完成日常的基本动作,提高假肢使用者的本体感以及生活便利性。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (7)
1.一种肌电假肢手势及力度控制方法,其特征在于:该方法包括以下步骤:
S1:采集前臂表面肌电信号;
S2:通过移动窗口,每次将N个肌电信号分别传输到手势识别模型和手指力度识别模型;
S3:通过手势识别模型实现肌电假肢动作控制;
S4:通过手指力度识别模型实现肌电假肢手指力度控制。
2.根据权利要求1所述的一种肌电假肢手势及力度控制方法,其特征在于:所述的肌电信号为残肢前臂多通道表面肌电信号。
3.根据权利要求1所述的一种肌电假肢手势及力度控制方法,其特征在于:在步骤S3中,手势识别模型是通过神经网络训练肌电信号与手势类型之间的非线性映射模型,该模型可根据降维后的数据判别使用者动作意图,经过电机驱动假肢完成相应动作,具体包括:首先进行信号活动段检测,提取生物肌电信号特征信息;其次,对特征信息进行数据降维处理;最后根据降维后的特征信息进行实时动作识别分类,驱动假肢执行相应动作。
4.根据权利要求1所述的一种肌电假肢手势及力度控制方法,其特征在于:在步骤S4中,在手指力度识别模型中,对前臂表面肌电信号原始数据进行归一化处理,利用相关性分析分别选出与各个手指力度线性相关最大的一路表面肌电信号,选用各个手指相应的一路表面肌电信号对肌电假肢的手指力度进行线性控制,驱动假肢各个手指执行相应抓取力度。
5.根据权利要求3所述的一种肌电假肢手势及力度控制方法,其特征在于:对窗口内的数据进行平均绝对值,平均功率,中值频率等数据处理;设定活动段阀值,当输入值超过阀值,便将肌电信号传送到下一步进行特征提取处理,如果输入值小于阀值,将停止传送肌电信号到特征提取处理,肌电假肢手势保持不变。
6.根据权利要求3所述的一种肌电假肢手势及力度控制方法,其特征在于:所述的特征提取包括AR特征提取,移动绝对循环比,小波包系数,以及样本熵等时域频域特征提取方法,采用其中一种或多种,然后将得到的特征值进行数据降维处理。
7.根据权利要求3所述的一种肌电假肢手势及力度控制方法,其特征在于:所述对特征信息进行数据降维处理采用主成分分析法或因子分析法,减小手势识别模型中的输入量,提高后续手势识别效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610670269.XA CN106236336A (zh) | 2016-08-15 | 2016-08-15 | 一种肌电假肢手势及力度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610670269.XA CN106236336A (zh) | 2016-08-15 | 2016-08-15 | 一种肌电假肢手势及力度控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106236336A true CN106236336A (zh) | 2016-12-21 |
Family
ID=57592733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610670269.XA Pending CN106236336A (zh) | 2016-08-15 | 2016-08-15 | 一种肌电假肢手势及力度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106236336A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106923942A (zh) * | 2017-02-15 | 2017-07-07 | 上海术理智能科技有限公司 | 基于人体肌电信号控制的上下肢运动辅助*** |
CN107049570A (zh) * | 2017-03-13 | 2017-08-18 | 日照若比邻机器人科技有限公司 | 机械手控制*** |
CN107126302A (zh) * | 2017-02-15 | 2017-09-05 | 上海术理智能科技有限公司 | 上下肢运动仿真处理方法 |
CN107126303A (zh) * | 2017-02-15 | 2017-09-05 | 上海术理智能科技有限公司 | 一种基于手机app的上下肢运动辅助方法 |
CN107203272A (zh) * | 2017-06-23 | 2017-09-26 | 山东万腾电子科技有限公司 | 基于肌电感知技术的可穿戴增强现实作业指导***及方法 |
CN108309295A (zh) * | 2018-02-11 | 2018-07-24 | 宁波工程学院 | 一种手臂肌肉力量测评方法 |
CN108703824A (zh) * | 2018-03-15 | 2018-10-26 | 哈工大机器人(合肥)国际创新研究院 | 一种基于肌电手环的仿生手控制***及控制方法 |
CN109009586A (zh) * | 2018-06-25 | 2018-12-18 | 西安交通大学 | 一种假手腕关节人机自然驱动角度的肌电连续解码方法 |
WO2018233435A1 (zh) * | 2017-06-20 | 2018-12-27 | 东南大学 | 一种基于主成分分析法的多维表面肌电信号假手控制方法 |
CN109645996A (zh) * | 2019-02-21 | 2019-04-19 | 广州爱听贝科技有限公司 | 一种子宫收缩乏力监测方法、***、智能终端和存储介质 |
CN110389663A (zh) * | 2019-06-24 | 2019-10-29 | 广东工业大学 | 一种基于小波宽度学习***的sEMG手势识别方法 |
CN111700718A (zh) * | 2020-07-13 | 2020-09-25 | 北京海益同展信息科技有限公司 | 一种识别握姿的方法、装置、假肢及可读存储介质 |
CN111844032A (zh) * | 2020-07-15 | 2020-10-30 | 北京海益同展信息科技有限公司 | 肌电信号处理、外骨骼机器人控制方法及装置 |
CN112057212A (zh) * | 2020-08-03 | 2020-12-11 | 桂林电子科技大学 | 基于深度学习的假肢*** |
CN113616395A (zh) * | 2021-08-10 | 2021-11-09 | 长春理工大学 | 假肢控制方法、装置、假肢设备及计算机可读存储介质 |
CN113952091A (zh) * | 2021-12-06 | 2022-01-21 | 福州大学 | 一种多传感器融合的假肢手抓握力反馈控制方法 |
CN114167995A (zh) * | 2022-02-14 | 2022-03-11 | 浙江强脑科技有限公司 | 一种仿生手的手势锁定方法、装置、终端及存储介质 |
CN114201052A (zh) * | 2022-02-16 | 2022-03-18 | 浙江强脑科技有限公司 | 一种仿生手的动作力度控制方法、装置及存储介质 |
CN114609911A (zh) * | 2022-03-15 | 2022-06-10 | 中国科学院重庆绿色智能技术研究院 | 一种抗干扰自适应力位协调控制方法 |
CN115114962A (zh) * | 2022-07-19 | 2022-09-27 | 歌尔股份有限公司 | 基于表面肌电信号的控制方法、装置及可穿戴设备 |
EP4005473A4 (en) * | 2019-09-03 | 2023-07-26 | Jingdong Technology Information Technology Co., Ltd. | METHOD AND DEVICE FOR MOTION VELOCITY ANALYSIS AND BODY-WEARABLE DEVICE |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007097548A1 (en) * | 2006-02-20 | 2007-08-30 | Cheol Woo Kim | Method and apparatus for user-interface using the hand trace |
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 |
CN101741952A (zh) * | 2009-12-10 | 2010-06-16 | 中国科学技术大学 | 盲人用移动电话交互***及其装置 |
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
US20160051383A1 (en) * | 2013-05-02 | 2016-02-25 | Vanderbilt University | Coordinated control for an arm prosthesis |
CN105446484A (zh) * | 2015-11-19 | 2016-03-30 | 浙江大学 | 一种基于隐马尔科夫模型的肌电信号手势识别方法 |
CN105608432A (zh) * | 2015-12-21 | 2016-05-25 | 浙江大学 | 一种基于瞬时肌电图像的手势识别方法 |
CN105654037A (zh) * | 2015-12-21 | 2016-06-08 | 浙江大学 | 一种基于深度学习和特征图像的肌电信号手势识别方法 |
-
2016
- 2016-08-15 CN CN201610670269.XA patent/CN106236336A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007097548A1 (en) * | 2006-02-20 | 2007-08-30 | Cheol Woo Kim | Method and apparatus for user-interface using the hand trace |
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 |
CN101741952A (zh) * | 2009-12-10 | 2010-06-16 | 中国科学技术大学 | 盲人用移动电话交互***及其装置 |
US20160051383A1 (en) * | 2013-05-02 | 2016-02-25 | Vanderbilt University | Coordinated control for an arm prosthesis |
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
CN105446484A (zh) * | 2015-11-19 | 2016-03-30 | 浙江大学 | 一种基于隐马尔科夫模型的肌电信号手势识别方法 |
CN105608432A (zh) * | 2015-12-21 | 2016-05-25 | 浙江大学 | 一种基于瞬时肌电图像的手势识别方法 |
CN105654037A (zh) * | 2015-12-21 | 2016-06-08 | 浙江大学 | 一种基于深度学习和特征图像的肌电信号手势识别方法 |
Non-Patent Citations (2)
Title |
---|
张旭: "基于表面肌电信号的人体动作识别与交互", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
王新庆: "基于肌电信号的仿人型假手及其抓取力控制的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107126302B (zh) * | 2017-02-15 | 2020-05-22 | 上海术理智能科技有限公司 | 上下肢运动仿真处理方法 |
CN107126302A (zh) * | 2017-02-15 | 2017-09-05 | 上海术理智能科技有限公司 | 上下肢运动仿真处理方法 |
CN107126303A (zh) * | 2017-02-15 | 2017-09-05 | 上海术理智能科技有限公司 | 一种基于手机app的上下肢运动辅助方法 |
CN106923942A (zh) * | 2017-02-15 | 2017-07-07 | 上海术理智能科技有限公司 | 基于人体肌电信号控制的上下肢运动辅助*** |
CN107049570A (zh) * | 2017-03-13 | 2017-08-18 | 日照若比邻机器人科技有限公司 | 机械手控制*** |
US10959863B2 (en) | 2017-06-20 | 2021-03-30 | Southeast University | Multi-dimensional surface electromyogram signal prosthetic hand control method based on principal component analysis |
WO2018233435A1 (zh) * | 2017-06-20 | 2018-12-27 | 东南大学 | 一种基于主成分分析法的多维表面肌电信号假手控制方法 |
CN107203272A (zh) * | 2017-06-23 | 2017-09-26 | 山东万腾电子科技有限公司 | 基于肌电感知技术的可穿戴增强现实作业指导***及方法 |
CN108309295A (zh) * | 2018-02-11 | 2018-07-24 | 宁波工程学院 | 一种手臂肌肉力量测评方法 |
CN108703824A (zh) * | 2018-03-15 | 2018-10-26 | 哈工大机器人(合肥)国际创新研究院 | 一种基于肌电手环的仿生手控制***及控制方法 |
CN109009586A (zh) * | 2018-06-25 | 2018-12-18 | 西安交通大学 | 一种假手腕关节人机自然驱动角度的肌电连续解码方法 |
CN109645996A (zh) * | 2019-02-21 | 2019-04-19 | 广州爱听贝科技有限公司 | 一种子宫收缩乏力监测方法、***、智能终端和存储介质 |
CN110389663A (zh) * | 2019-06-24 | 2019-10-29 | 广东工业大学 | 一种基于小波宽度学习***的sEMG手势识别方法 |
CN110389663B (zh) * | 2019-06-24 | 2023-05-23 | 广东工业大学 | 一种基于小波宽度学习***的sEMG手势识别方法 |
EP4005473A4 (en) * | 2019-09-03 | 2023-07-26 | Jingdong Technology Information Technology Co., Ltd. | METHOD AND DEVICE FOR MOTION VELOCITY ANALYSIS AND BODY-WEARABLE DEVICE |
CN111700718A (zh) * | 2020-07-13 | 2020-09-25 | 北京海益同展信息科技有限公司 | 一种识别握姿的方法、装置、假肢及可读存储介质 |
CN111844032B (zh) * | 2020-07-15 | 2022-04-12 | 京东科技信息技术有限公司 | 肌电信号处理、外骨骼机器人控制方法及装置 |
CN111844032A (zh) * | 2020-07-15 | 2020-10-30 | 北京海益同展信息科技有限公司 | 肌电信号处理、外骨骼机器人控制方法及装置 |
CN112057212A (zh) * | 2020-08-03 | 2020-12-11 | 桂林电子科技大学 | 基于深度学习的假肢*** |
CN113616395A (zh) * | 2021-08-10 | 2021-11-09 | 长春理工大学 | 假肢控制方法、装置、假肢设备及计算机可读存储介质 |
CN113616395B (zh) * | 2021-08-10 | 2023-04-14 | 长春理工大学 | 假肢控制方法、装置、假肢设备及计算机可读存储介质 |
CN113952091A (zh) * | 2021-12-06 | 2022-01-21 | 福州大学 | 一种多传感器融合的假肢手抓握力反馈控制方法 |
CN114167995A (zh) * | 2022-02-14 | 2022-03-11 | 浙江强脑科技有限公司 | 一种仿生手的手势锁定方法、装置、终端及存储介质 |
CN114201052A (zh) * | 2022-02-16 | 2022-03-18 | 浙江强脑科技有限公司 | 一种仿生手的动作力度控制方法、装置及存储介质 |
CN114609911A (zh) * | 2022-03-15 | 2022-06-10 | 中国科学院重庆绿色智能技术研究院 | 一种抗干扰自适应力位协调控制方法 |
CN114609911B (zh) * | 2022-03-15 | 2022-11-25 | 中国科学院重庆绿色智能技术研究院 | 一种抗干扰自适应力位协调控制方法 |
CN115114962A (zh) * | 2022-07-19 | 2022-09-27 | 歌尔股份有限公司 | 基于表面肌电信号的控制方法、装置及可穿戴设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106236336A (zh) | 一种肌电假肢手势及力度控制方法 | |
CN102426651B (zh) | 人体前臂表面肌电信号采集及模式识别*** | |
CN101987048B (zh) | 假肢控制方法和*** | |
CN100594858C (zh) | 一种脑电肌电联合控制的电动假手的控制方法 | |
CN103190905B (zh) | 基于Wi-Fi的多通道表面肌电信号采集***及处理方法 | |
CN202288542U (zh) | 假肢控制装置 | |
Phinyomark et al. | Investigating long-term effects of feature extraction methods for continuous EMG pattern classification | |
CN104107134A (zh) | 基于肌电反馈的上肢训练方法及*** | |
CN105997064A (zh) | 一种用于人体下肢表面肌电信号的辨识方法 | |
CN111631908B (zh) | 基于脑机交互与深度学习的脑卒中主动式手部康复*** | |
CN102499797A (zh) | 假肢控制方法及*** | |
CN105892676B (zh) | 一种血管介入手术送丝机构的人机交互装置、***及方法 | |
CN1582866A (zh) | 带触觉的肌电仿生电动假手及其控制方法 | |
Narayan et al. | Pattern recognition of sEMG signals using DWT based feature and SVM Classifier | |
CN201227336Y (zh) | 一种脑电肌电联合控制的电动假手 | |
CN116831874A (zh) | 一种基于肌电信号的下肢康复器控制方法 | |
Hameed et al. | Soft robotic glove system controlled with amplitude independent muscle activity detection algorithm by using single sEMG channel | |
Veer | A flexible approach for segregating physiological signals | |
Sun et al. | A fault-tolerant algorithm to enhance generalization of EMG-based pattern recognition for lower limb movement | |
Lisi et al. | From the classification of EMG signals to the development of a new lower arm prosthesis | |
CN111973388B (zh) | 一种基于sEMG的手部康复机器人控制方法 | |
CN114098768A (zh) | 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法 | |
Younes et al. | Design and Implementation of Myoelectric Controlled Arm | |
CN107126302A (zh) | 上下肢运动仿真处理方法 | |
Arjunan et al. | Towards better real-time control of smart wheelchair using subtle finger movements via wireless (blue-tooth) interface |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161221 |
|
RJ01 | Rejection of invention patent application after publication |