CN106333688A - 一种踝关节动作的实时辨识方法 - Google Patents

Abstract

本发明涉及一种踝关节动作的实时辨识方法，方法包括步骤：采集并预处理与踝关节动作相关部位的肌电信号；分别计算上述各部位的肌电信号的辨识特征；根据预先设置的特征阈值和判断条件进行踝关节动作的实时辨识。其中，肌电信号的辨识特征是利用能量算子特征提取模块计算的。解决了现有方法运算量大、准确率低、占用计算资源多、时延大等问题。

Description

一种踝关节动作的实时辨识方法

技术领域

本发明涉及踝关节动作辨识技术领域，尤其涉及一种基于肌电能量算子特征的踝关节动作实时辨识方法。

背景技术

外骨骼是一种可穿戴式的助力机构，其在康复医疗领域及军事领域都有着极其重要的应用价值。随着技术不断的发展，外骨骼技术的研究也逐渐深入，并向着更加智能化方向发展。外骨骼是人机强耦合的复杂机电***，其对人体运动动作的及时、准确辨识是外骨骼发挥助力效能的基础，也是实现高效人机协同的关键。对于下肢外骨骼来说，踝关节动作的辨识是体运动动作辨识的基本需求。人体下肢很多动作都会涉及到踝关节在矢状面下的屈伸运动，即趾屈和背屈运动。踝关节趾屈和背屈动作的实时、快速识别技术对下肢外骨骼技术的发展与推动有着极其重要的意义。

人体的每一个动作都是由中枢神经***控制肌肉收缩实现的，而肌肉收缩的过程中所产生的肌电信号能直接、充分地反映了人体运动意图。基于肌电的运动动作辨识技术可以快速实现对人体运动动作的辨识。相比其它辨识方法，采用肌电信号实现对人体动作快速辨识的方法具有更高的人机协同性。

目前，已有一些基于肌电信号的踝关节动作辨识，可分为特征加分类器的辨识方法和强特征直接辨识法。特征加分类器辨识方法是通过提取肌电信号中的绝对值积分、均方根值、过零点数、波长、AR系数、小波系数等时频域特征值，并结合神经网络、支持向量机等分类器对踝关节动作辨识。但这种辨识方法存在运算量大、占用计算资源多、时延大或响应慢等问题，不适合对实时性、低功耗、便携性有较高要求的外骨骼控制***；尤其对于下肢外骨骼而言，较大的滞后时间有可能导致穿戴者跌倒，并且较大的运算量会占用较多嵌入式计算资源，对嵌入***计算性能也有较高要求，这会影响该方法在嵌入式外骨骼控制平台上的移植与实用。

强特征直接辨识法是通过提取与动作强相关的特征，比如肌电信号的幅值、均方根等特征值，再将特征值与预先设置的阈值直接进行比较，从而完成踝关节动作辨识。这种方法相对简单，计算量也较小，辨识时效高，适合在外骨骼控制***中使用。但这些方法中所提取的特征对肌电信号的信噪比变化特别敏感，尤其在当肌电信号信噪比较低的情况下，会出现较多的误判，这严重限制了精确度和应用范围。

因此，需要一种可适应不同信噪比，尤其是低信噪比条件下的肌电特征，并通过该肌电特征能直接快速辨识出踝关节动作。

发明内容

鉴于上述的分析，本发明旨在提供一种踝关节动作的实时辨识方法，用以解决现有方法运算量大、准确率低、占用计算资源多、时延大等问题。

本发明的目的主要是通过以下技术方案实现的：

一种踝关节动作的实时辨识方法，包括以下步骤：

步骤S1.采集并预处理与踝关节动作相关部位的肌电信号；

步骤S2.分别计算上述各部位的肌电信号的辨识特征；

步骤S3.根据预先设置的特征阈值和判断条件进行踝关节动作的实时辨识。

其中，步骤S1中，采用多通道的肌电信号采集装置，采集与踝关节动作相关部位的肌电信号，其中每一部位对应一个通道。

所述肌电信号采集装置进一步包含：表面肌电电极、信号放大模块、滤波模块、模数转化模块、通信模块。

所述预处理是通过肌电信号滤波预处理模块对采集到的肌电信号进行滤波，以滤除干扰和噪声。

步骤S2中，肌电信号的辨识特征是利用能量算子特征提取模块计算的，具体地，对各部位的肌电信号进行能量算子非线性变换运算，并将计算后的值作为该部位的辨识特征。

上述能量算子非线性变换运算是通过下述公式进行计算得出：

Ψ[x(n)]＝x²(n)-x(n+1)x(n-1)；

式中，x(n)、x(n+1)、x(n-1)是预处理后的肌电信号，x(n)代表采样时刻n时的值，x(n+1)代表采样时刻n后一时刻的值、x(n-1)代表采样时刻n前一时刻的值。

步骤S3中所述的预先设置的特征阈值是通过下述步骤得到的：

分别测试各部位至少3组肌电数据，并采用上述能量算子非线性变换方法计算能量算子特征，并根据测试数据的能量算子特征和特征阈值设置公式来重新标定特征阈值，所述特征阈值设置公式为Th＝μ+j*δ，式中，μ为相应肌肉在静息状态下、一段时间范围内能量算子特征的平均值；δ为肌肉在静息状态下、一段时间范围内能量算子特征的标准差；j为阈值因子，通过j调整特征阈值Th的大小。

步骤S3中所述的判断条件是根据预先设置的特征阈值，对踝关节动作与辨识特征之间进行编码，建立编码表，作为踝关节动作的判断条件。

具体地，采用阈值比较模块对各部位的辨识特征与根据预先设置的特征阈值进行大小比较；再利用动作判断模块，根据预先建立踝关节动作的判断条件进行动作判断，以实时辨识出当前踝关节动作。

本发明有益效果如下：

本发明给出了一种基于肌电能量算子特征的踝关节动作实时辨识方法，方法简单、低延迟且准确度高，可大幅提升对低信噪比肌电信号条件下的动作辨识准确度和鲁棒性，并且易移植到嵌入式外骨骼实时控制***中使用。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为踝关节动作的实时辨识方法的数据流示意图；

图2为踝关节动作实时辨识的流程图。

图3为贴片电极安放位置的示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。

本发明的一个具体实施例，公开了一种踝关节动作的实时辨识方法，具体包括以下步骤：

步骤S1.采集并预处理与踝关节动作相关部位的肌电信号。

通过多通道的肌电信号采集装置，采集与外骨骼穿戴者踝关节屈伸运动相关部位的肌肉处的肌电信号，每一部位对应一个通道。所述肌电信号采集装置进一步包含：表面肌电电极、信号放大模块、滤波模块、模数转化模块、通信模块。上述表面肌电电极可以采用贴片电极；通信模块可以是无线发射模块或USB接口通信模块等。

其中，采集通道数可根据实际要求而定。具体地，根据实际需要采集多个部位(通道)或采集某些特定部位的肌电信号，能提高踝关节的动作辨识准确度。

本实施例采用双通道的肌电信号采集装置进行示例性说明。具体地，肌电信号采集装置的贴片电极安放在人体小腿腓肠肌和胫骨前肌处，采集这两处肌肉的肌电信号，具***置可参见图3。肌电信号采集装置可以采用美国Noraxon公司的DESKTOP DTS。

肌电信号在本质上是一种具有非平稳特性的生理信号，有效频带在20-500Hz范围内。肌电信号的采集过程中会伴随着一定工频干扰、低频运动伪迹等噪声，因此采用肌电信号滤波预处理模块(3)对采集到的肌电信号进行预处理，滤除干扰和噪声。实施例利用截止频率为30-350Hz的巴特沃斯带通滤波器作为滤波预处理模块，对采集的肌电信号进行滤波。

步骤S2.分别计算上述各部位的肌电信号的辨识特征。

利用能量算子特征提取模块，对预处理后的各部位的肌电信号进行能量算子非线性变换运算，并将计算后的值作为辨识特征。

其中，能量算子非线性变换运算的能量算子变换公式为：

Ψ[x(n)]＝x²(n)-x(n+1)x(n-1)；

式中，x(n)、x(n+1)、x(n-1)是预处理后的肌电信号，x(n)代表采样时刻n时的值，x(n+1)代表采样时刻n后一时刻的值、x(n-1)代表采样时刻n前一时刻的值。

本实施例中胫骨前肌和腓肠肌，在采集时刻的肌电信号的辨识特征记为F1和F2。

对于具有零均值、震荡特性肌电信号A cos(ω_n+φ)而言，能量算子变换后的值为A²sin²(ω)，其同时涉及到幅值和频率信息。其中，A代表肌电信号的振幅，w代表肌电信号的频率、n代表采样时刻，Φ代表肌电信号的相位。

步骤S3.根据预先设置的特征阈值和判断条件进行踝关节动作的实时辨识。

所述预先设置的特征阈值和判断条件是指在动作辨识之前的设置，进一步包括：

a.预先设置特征阈值。

预先给各个通道各建立一个合适的特征阈值。由于个体肌电差异性以及时变性，每次使用前都需要先测试至少3组肌电数据，并采用步骤S2中的能量算子变换公式计算相应的能量算子特征，再根据测试数据的能量算子特征和特征阈值设置公式来重新标定特征阈值。

所述特征阈值设置公式为Th＝μ+j*δ，式中，μ为相应肌肉在静息状态下、一段时间范围内能量算子特征的平均值；δ为肌肉在静息状态下、一段时间范围内能量算子特征的标准差；j为阈值因子，j取值3～12，优选的j设置为11。上述公式通过j调整特征阈值Th的大小。

实施例经过计算，实施例中胫骨前肌处的特征阈值记为Th1，腓肠肌的特征阈值记为Th2。

b.对踝关节动作与辨识特征之间进行编码，建立踝关节动作的判断条件。

具体地，根据预先设置的特征阈值，对踝关节动作与辨识特征之间进行编码，建立编码表，作为踝关节动作的判断条件。

以本实施例为例，建立的踝关节动作判断条件为：

当胫骨前肌处肌电信号的辨识特征F1大于或等于其特征阈值Th1，且腓肠肌电信号的辨识特征F2小于其特征阈值Th2，则踝关节动作判断为趾屈，编码为10；

当胫骨前肌处肌电信号的辨识特征F1小于其特征阈值Th1，且腓肠肌电信号的辨识特征大于或等于其特征阈值Th2，则踝关节动作判断为背屈，编码为背屈01；

当辨识特征F1和F2均不满足上述两种条件，则踝关节动作判断为无动作/静息状态，编码为00。

步骤S3中所述的实时辨识可以是实时在线辨识出当前踝关节动作。

踝关节动作在线辨识时，基于步骤S2中计算得到的采样时刻的、各部位的辨识特征，利用阈值比较模块对各部位/通道的辨识特征与根据预先设置的特征阈值进行大小比较；再利用动作判断模块，根据预先建立踝关节动作的判断条件进行动作判断，以实时辨识出当前踝关节动作。

在一个优选实施例中，还包括以下步骤：

S4将实时辨识结果发送到嵌入式外骨骼控制平台，供嵌入式外骨骼控制平台进行动作。

综上所述，实施例提供了一种踝关节动作的实时辨识方法，利用能量算子变换对肌电信号进行处理与特征提取，并直接利用该特征与预设阈值进行比较，完成动作判断，该辨识方法具有算法简单，以及准确度、鲁棒性、响应速度高的优点。与静息状态下肌电信号相比，动作状态下的肌电信号不仅在幅值上有增加，而且在频率上也有增加。因此，在肌肉静息状态与动作状态下能量算子特征具有较高的可区分性和可靠性，尤其对于信噪比较低的肌电信号。此外，本发明比较简单和稳健，只涉及到两个乘法、一个加法运算和一个比较运算，而且其只依赖于三个样本数据，具有较高的响应速度，尤其适合在外骨骼嵌入式在线实时控制***中使用。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种踝关节动作的实时辨识方法，其特征在于，包括步骤：

步骤S1.采集并预处理与踝关节动作相关部位的肌电信号；

步骤S2.分别计算上述各部位的肌电信号的辨识特征；

步骤S3.根据预先设置的特征阈值和判断条件进行踝关节动作的实时辨识。

2.根据权利要求1所述的踝关节动作的实时辨识方法，其特征在于，步骤S1中，采用多通道的肌电信号采集装置，采集与踝关节动作相关部位的肌电信号，其中每一部位对应一个通道。

3.根据权利要求2所述的踝关节动作的实时辨识方法，其特征在于，所述肌电信号采集装置进一步包含：表面肌电电极、信号放大模块、滤波模块、模数转化模块、通信模块。

4.根据权利要求1所述的踝关节动作的实时辨识方法，其特征在于，所述预处理是通过肌电信号滤波预处理模块对采集到的肌电信号进行滤波，以滤除干扰和噪声。

5.根据权利要求1所述的踝关节动作的实时辨识方法，其特征在于，步骤S2中，肌电信号的辨识特征是利用能量算子特征提取模块计算的，具体地，对各部位的肌电信号进行能量算子非线性变换运算，并将计算后的值作为该部位的辨识特征。

6.根据权利要求5所述的踝关节动作的实时辨识方法，其特征在于，所述能量算子非线性变换运算是通过下述公式计算得出的:

ψ[x(n)]＝x²(n)-x(n+1)x(n-1)；

式中，x(n)、x(n+1)、x(n-1)是预处理后的肌电信号，x(n)代表采样时刻n时的值，x(n+1)代表采样时刻n后一时刻的值、x(n-1)代表采样时刻n前一时刻的值。

7.根据权利要求5或6所述的踝关节动作的实时辨识方法，其特征在于，步骤S3中所述的预先设置的特征阈值是通过下述步骤得到的：

分别测试各部位至少3组肌电数据，并采用所述能量算子非线性变换方法计算能量算子特征，并根据测试数据的能量算子特征和特征阈值设置公式来重新标定特征阈值，所述特征阈值设置公式为Th＝μ+j*δ，式中，μ为相应肌肉在静息状态下、一段时间范围内能量算子特征的平均值；δ为肌肉在静息状态下、一段时间范围内能量算子特征的标准差；j为阈值因子，通过j调整特征阈值Th的大小。

8.根据权利要求1所述的踝关节动作的实时辨识方法，其特征在于，步骤S3中所述的判断条件是根据预先设置的特征阈值，对踝关节动作与辨识特征之间进行编码，建立编码表，作为踝关节动作的判断条件。

9.根据权利要求1所述的踝关节动作的实时辨识方法，其特征在于，

步骤S3中采用阈值比较模块对各部位的辨识特征与根据预先设置的特征阈值进行大小比较；再利用动作判断模块，根据预先建立踝关节动作的判断条件进行动作判断，以实时辨识出当前踝关节动作。