CN110815181B - 人体下肢运动意图脑肌融合感知的多层次校准***及方法 - Google Patents

人体下肢运动意图脑肌融合感知的多层次校准***及方法 Download PDF

Info

Publication number
CN110815181B
CN110815181B CN201911063823.8A CN201911063823A CN110815181B CN 110815181 B CN110815181 B CN 110815181B CN 201911063823 A CN201911063823 A CN 201911063823A CN 110815181 B CN110815181 B CN 110815181B
Authority
CN
China
Prior art keywords
lower limb
limb movement
perception
movement intention
intention
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
Application number
CN201911063823.8A
Other languages
English (en)
Other versions
CN110815181A (zh
Inventor
张小栋
孙沁漪
李瀚哲
蒋志明
王亚宾
刘广跃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201911063823.8A priority Critical patent/CN110815181B/zh
Publication of CN110815181A publication Critical patent/CN110815181A/zh
Application granted granted Critical
Publication of CN110815181B publication Critical patent/CN110815181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/0006—Exoskeletons, i.e. resembling a human figure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J17/00—Joints
    • B25J17/02—Wrist joints
    • B25J17/0258—Two-dimensional joints

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Physiology (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种人体下肢运动意图脑肌融合感知的多层次校准***及方法，包括下肢运动意图感知子***，用于感知使用者的离散及连续下肢运动意图，提供下肢运动意图的标准结果；下肢运动意图感知校准子***，用于对待校准感知***进行离散及连续的多层次的校准；待校准感知***，用于与校准***同步感知使用者的离散及连续下肢运动意图，同时接受校准***的校准；本发明利用了脑电及肌电两种不同信号源的协同互补性，将肌电具有的高准确度及脑电的提前预知相结合来感知下肢的运动意图。本发明可根据多层次的运动意图分别对待校准感知***进行校准及评价，为外骨骼意图识别模块提供了统一的标准，提高了意图识别的稳定性，为外骨骼的实现更加柔顺的控制提供基础。

Description

人体下肢运动意图脑肌融合感知的多层次校准***及方法
【技术领域】
本发明属于机器人技术领域，涉及一种人体下肢运动意图脑肌融合感知的多层次校准***及方法。
【背景技术】
当前世界上很多国家着眼于未来的军事需要，都在大力发展本国的单兵***。如美国的陆地勇士(LandWarrior)计划、俄罗斯的狼/士兵2000***、法国未来步兵(FELIN)等。增强外骨骼机器人不仅可以增强士兵的负重能力，也可作为优良的武器搭载装置，多样化装备的集成可以将士兵武装成强大的作战单元，极大地增强士兵能力。因此，外骨骼将在未来的单兵作战***中起到十分关键的作用，具有广阔的应用前景。目前，增强外骨骼机器人的研究领域主要涉及结构设计、驱动方式、意图识别等问题。下肢外骨骼作为一种人机耦合***，准确地获取穿戴者的运动意图是下肢外骨骼机器人研发的关键技术，而外骨骼机器人的意图感知性能的优劣是衡量评价该机器人的一项重要指标参数。
现有的下肢外骨骼运动意图感知方法较为多样，如基于足底压力、关节运动学信息的运动意图感知、基于肌电信号的运动意图感知、基于人机交互力的运动意图感知等，由于使用信息源以及识别算法的多样，目前还缺乏统一的标准加以规范和评价，降低了人体运动意图识别功能的可靠性，极大地限制了外骨骼的综合性能评价和发展。
【发明内容】
本发明的目的在于解决现有技术中的问题，提供一种人体下肢运动意图脑肌融合感知的多层次校准***及方法。
为达到上述目的，本发明采用以下技术方案予以实现：
一种人体下肢运动意图脑肌融合感知的多层次校准***，包括：
下肢运动意图感知子***，用于感知使用者的离散及连续下肢运动意图，提供下肢运动意图的标准结果；
下肢运动意图感知校准子***，用于对待校准感知***进行离散及连续的多层次的校准；
待校准感知***，用于与校准***同步感知使用者的离散及连续下肢运动意图，同时接受校准***的校准；
下肢运动意图感知子***包括信息采集模块和下肢运动意图感知模块；
信息采集模块，用于采集使用者的脑电信号和肌电信号，并将脑电信号和肌电信号发送给下肢运动意图感知模块；
下肢运动意图感知模块，用于对人体下肢运动意图进行多层次的感知，得到运动意图离散感知的标准结果和连续运动关节角度与力矩的标准解码，并将标准结果和标准解码发送至下肢运动意图感知校准子***。
本发明进一步的改进在于：
信息采集模块包括脑电信号采集单元、肌电信号采集单元与无线传输单元；脑电信号采集单元与脑电帽连接，肌电信号采集单元与肌电电极连接；脑电信号采集单元、肌电信号采集单元均通过无线传输单元与下肢运动意图感知模块进行数据交互。
脑电帽的电极布置于大脑中央区域的FCz、FC1、FC2、C1、C2、C3、C4、CP1、CP2和Cz通道；肌电电极布置在使用者下肢相应肌肉上。
下肢运动意图感知模块，包括基于脑肌电融合的下肢运动意图离散感知单元和基于肌电信号的下肢运动意图连续解码单元；
基于脑肌电融合的下肢运动意图离散感知单元包括脑肌电预处理子单元、脑肌电特征提取子单元及下肢运动意图离散识别子单元；脑肌电预处理子单元和脑肌电特征提取子单元对脑电及肌电数据进行预处理及特征提取，得到脑电及肌电特征；下肢运动意图离散识别子单元对脑电及肌电特征进行融合及分类，输出识别到的离散运动意图，输出结果作为下肢运动意图离散感知的标准结果；
基于肌电信号的下肢运动意图连续解码单元包括肌电预处理子单元、肌电特征提取子单元、连续运动关节角度及力矩解码子单元；肌电预处理子单元和肌电特征提取子单元对肌电数据进行预处理及特征提取，得到肌电特征；连续运动关节角度及力矩解码子单元对肌电特征进行解码，得到对应的连续运动关节角度及关节力矩，输出结果作为人体连续运动关节角度与力矩的标准解码。
下肢运动意图感知校准子***包括下肢运动意图离散感知校准模块和下肢运动意图连续感知校准模块；下肢运动意图离散感知的标准结果及人体连续运动关节角度与力矩的标准解码将被分别输送至下肢运动意图离散感知校准模块及下肢运动意图连续感知校准模块进行离散意图校准及连续意图校准。
一种人体下肢运动意图脑肌融合感知的多层次校准方法，所述校准方法包括运动意图离散感知校准方法和运动意图连续感知校准方法；
所述运动意图离散感知校准方法，包括以下步骤：
步骤1-1：采集脑电信号和肌电信号，并将脑电信号和肌电信号传输至下肢运动意图感知模块中基于脑肌电融合的下肢运动意图离散感知单元；
步骤1-2：基于脑肌电融合的下肢运动意图离散感知单元中的脑肌电预处理子单元及脑肌电特征提取子单元对脑电及肌电信号进行预处理、特征提取及特征融合后，得到融合特征；下肢运动意图离散感知识别子单元将融合特征输入分类器对下肢运动意图离散感知进行识别，输出结果作为下肢运动意图离散感知的标准结果；
步骤1-3：将下肢运动意图离散感知的标准结果输入至下肢运动意图感知校准子***中的下肢运动意图离散感知校准模块，下肢运动意图离散感知校准模块对比分析基于脑肌电融合的下肢运动意图离散感知单元输出的离散运动意图，以及经待校准感知***的待校准接口模块输入的待校准感知***得到的离散运动意图；若结果不等，则为一次待校准感知***的错误识别；若结果相等，则为一次待校准感知***的正确识别；经过多次试验后，得到待校准感知***的识别错误E、正确率R和单个类别下的假阳性率、假阴性率、真阳性率及真阴性率，其中：
Figure BDA0002258692340000041
Figure BDA0002258692340000042
Figure BDA0002258692340000043
Figure BDA0002258692340000044
E＝FPR+FNR (5)
R＝1-E (6)
所述运动意图连续感知校准方法，包括以下步骤：
步骤2-1：采集肌电信号，并将肌电信号传输至下肢运动意图感知模块中的基于肌电信号的下肢运动意图连续解码单元；
步骤2-2：基于肌电信号的下肢运动意图连续解码单元中的肌电预处理子单元及肌电特征提取子单元分别对肌电信号进行预处理及特征提取得到肌电特征；连续运动关节角度及力矩解码子单元中的角度解码器及力矩解码器根据肌电特征分别进行对下肢连续运动关节角度及力矩的解码，输出结果作为连续下肢运动关节角度及力矩的标准结果；
步骤2-3：将连续下肢运动关节角度及力矩的标准结果输入至下肢运动意图连续感知校准模块，下肢运动意图连续感知校准模块对比分析基于肌电信号的下肢运动意图连续解码单元输出的下肢关节连续运动角度及力矩，以及经待校准接口模块输入的待校准感知***得到的下肢关节连续运动角度及力矩，误差曲线生成单元对比两者形成待校准感知***的运动过程误差曲线，同时计算下肢运动意图感知***及待校准感知***生成的角度及力矩两变量之间的相关系数及最大交互信息系数：
Figure BDA0002258692340000051
Figure BDA0002258692340000052
Figure BDA0002258692340000053
其中，X,Y分别为基于肌电信号的下肢运动意图连续解码单元的关节角度或力矩标准结果及待校准感知***得到的下肢关节连续运动角度或关节力矩，a,b为计算MIC过程中网格化X,Y变量的网格数，B为经验取值变量，N为得到的关节角度或力矩数据总量。
与现有技术相比，本发明具有以下有益效果：
本发明利用了脑电及肌电两种不同信号源的协同互补性，将肌电具有的高准确度及脑电的提前预知相结合来感知下肢的运动意图。由于脑电及肌电相较于力学信息而言，是人体意图的直接体现，信息丰富，以此为基础搭建的意图感知***具有较高的准确度及鲁棒性，可利用其作为标准评价和校准其他意图感知方法，以指导其他意图感知方法的优化与改进，促进意图感知的标准化、***化。本发明可根据多层次的运动意图分别对待校准感知***进行校准及评价，用于校准的意图感知子***自身具有较高的准确性及可靠性，为外骨骼意图识别模块提供了统一的标准，提高了意图识别的稳定性，为外骨骼的实现更加柔顺的控制提供基础。
【附图说明】
图1为本发明的***结构示意图；
图2为本发明的方法流程图。
【具体实施方式】
为了使本技术领域的人员更好地理解本发明方案，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的实施例，不是全部的实施例，而并非要限制本发明公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要的混淆本发明公开的概念。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，都应当属于本发明保护的范围。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明公开的上下文中，当将一层/元件称作位于另一层/元件“上”时，该层/元件可以直接位于该另一层/元件上，或者它们之间可以存在居中层/元件。另外，如果在一种朝向中一层/元件位于另一层/元件“上”，那么当调转朝向时，该层/元件可以位于该另一层/元件“下”。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述：
参见图1，本发明人体下肢运动意图脑肌融合感知的多层次校准***，包括下肢运动意图感知子***、下肢运动意图感知校准子***以及待校准感知***。
下肢运动意图感知子***，用于感知使用者的离散及连续下肢运动意图，提供下肢运动意图的标准结果，其包括信息采集模块和下肢运动意图感知模块；
信息采集模块，用于采集使用者的脑电信号和肌电信号，其包括脑电信号采集单元、肌电信号采集单元与无线传输单元；脑电信号采集单元采用脑电帽连接，脑电帽佩戴在使用者头部，依据国际10-20标准***将电极布置于大脑中央区域的运动皮质区，用于采集使用者大脑皮层的脑电信号；肌电信号采集单元与肌电电极连接，肌电电极布置在使用者下肢相应肌肉上，用于采集使用者下肢运动时肌肉产生的肌电信号。
脑电帽，穿戴在使用者头部，依据国际10-20标准***将电极布置于大脑中央区域的FCz、FC1、FC2、C1、C2、C3、C4、CP1、CP2和Cz通道，用于采集使用者大脑皮层的脑电信号。
肌电电极，布置在使用者下肢相应肌肉上，用于采集使用者下肢运动时肌肉产生的肌电信号。
下肢运动意图感知模块，用于对人体下肢运动意图进行多层次的感知，其包括基于脑肌电融合的下肢运动意图离散感知单元和基于肌电信号的下肢运动意图连续解码单元。
信息采集模块采集到的脑电及肌电数据经无线传输输入至下肢运动意图感知模块中的基于脑肌电融合的下肢运动意图离散感知单元。
基于脑肌电融合的下肢运动意图离散感知单元，包括脑肌电预处理子单元、脑肌电特征提取子单元及下肢运动意图离散识别子单元；此单元使用人体下肢运动过程中产生的脑电及肌电信号解码人体运动意图，作为下肢运动意图感知子***的离散运动意图识别结果输出至下肢运动意图感知校准子***；其中基于脑肌电融合的下肢运动意图离散感知单元的脑肌电预处理子单元及脑肌电特征提取子单元对脑电及肌电数据根据脑电及肌电的特性分别进行预处理及特征提取；下肢运动意图离散识别子单元对脑电及肌电特征进行融合以及分类，离散训练的分类器输出识别到的离散运动意图，输出结果作为下肢运动意图离散感知的标准结果。
信息采集模块采集到的肌电数据经无线传输单独输入至下肢运动意图感知模块中的基于肌电信号的下肢运动意图连续解码单元。
基于肌电信号的下肢运动意图连续解码单元，包括肌电预处理子单元、肌电特征提取子单元、连续运动关节角度及力矩解码子单元；此单元使用人体下肢运动过程中产生的肌电信号解码人体下肢运动中的关节连续运动角度及力矩，作为下肢运动意图感知***的关节连续运动角度及力矩解码结果输出至下肢运动意图感知校准子***，其中基于肌电信号的下肢运动意图连续解码单元的肌电预处理及特征提取单元对肌电数据进行预处理及特征提取；连续运动关节角度及力矩解码子单元中的角度解码器及力矩解码器根据输入的肌电特征解码对应的连续运动关节角度及关节力矩，输出结果作为人体连续运动关节角度与力矩的标准解码。
下肢运动意图感知校准子***，用于对待校准感知***进行多层次的校准，其包括下肢运动意图离散感知校准模块和下肢运动意图连续感知校准模块。
下肢运动意图离散感知的标准结果及人体连续运动关节角度与力矩的标准解码将被分别输送至下肢运动意图离散感知校准模块及下肢运动意图连续感知校准模块进行离散校准及连续校准。
下肢运动意图离散感知校准模块及下肢运动意图连续感知校准模块同时接收来自下肢运动意图感知***及待校准感知***的输出结果，针对待校准感知***进行离散及连续多层次的意图校准。
本发明运动意图离散感知校准方法，包括以下步骤：
步骤1-1：佩戴脑电帽对使用者进行脑电信号的采集，使用肌电电极对使用者进行肌电信号的采集，经无线传输单元输出至下肢运动意图感知模块中基于脑肌电融合的下肢运动意图离散感知单元。
步骤1-2：基于脑肌电融合的下肢运动意图离散感知单元中的脑肌电预处理子单元及脑肌电特征提取子单元对脑电及肌电信号进行预处理及特征提取、特征融合后，下肢运动意图离散感知识别子单元将融合特征输入分类器对下肢运动意图离散感知进行识别，输出结果作为下肢运动意图离散感知的标准结果。
步骤1-3：标准结果输入至下肢运动意图感知校准子***中的下肢运动意图离散感知校准模块，此模块对比分析下肢意图感知子***基于脑肌电融合的下肢运动意图离散感知单元输出的离散运动意图，以及经待校准感知***的待校准接口模块输入的待校准感知***得到的离散运动意图。若结果不等，则为一次待校准感知***的错误识别；若结果相等，则为一次待校准感知***的正确识别。多次试验结束后，可得到待校准感知***的识别错误E、正确率R和单个类别下的假阳性率、假阴性率、真阳性率及真阴性率，其中：
Figure BDA0002258692340000101
Figure BDA0002258692340000102
Figure BDA0002258692340000103
Figure BDA0002258692340000104
E＝FPR+FNR (5)
R＝1-E (6)
本发明运动意图连续感知校准方法，包括以下步骤：
步骤2-1：布置肌电电极在使用者相应的下肢肌肉位置采集肌电信号，经无线传输单元输出至下肢运动意图感知模块中的基于肌电信号的下肢运动意图连续解码单元。
步骤2-2：基于肌电信号的下肢运动意图连续解码单元中的肌电预处理子单元及肌电特征提取子单元分别对肌电信号进行预处理及特征提取、连续运动关节角度及力矩解码子单元中的角度解码器及力矩解码器分别进行对下肢连续运动关节角度及力矩的解码，输出结果作为连续下肢运动关节角度及力矩的标准结果。
步骤2-3：标准结果输入至下肢运动意图感知校准子***中的下肢运动意图连续感知校准模块，此单元对比分析下肢意图感知子***中基于肌电信号的下肢运动意图连续解码单元输出的下肢关节连续运动角度及力矩，以及经待校准接口模块输入的待校准感知***得到的下肢关节连续运动角度及力矩，误差曲线生成单元对比两者形成待校准感知***的运动过程误差曲线，同时计算下肢运动意图感知***及待校准感知***生成的角度及力矩两变量之间的相关系数及最大交互信息系数：
Figure BDA0002258692340000111
Figure BDA0002258692340000112
Figure BDA0002258692340000113
其中，X,Y分别为基于肌电信号的下肢运动意图连续解码单元的关节角度或力矩标准结果及待校准感知***得到的下肢关节连续运动角度或关节力矩，a,b为计算MIC过程中网格化X,Y变量的网格数，B为经验取值变量，N为得到的关节角度或力矩数据总量。
相关系数表征意图感知***的输出与待校准感知***输出之间的线性相关性，其值越大表示下肢意图识别***与待校准感知***的输出之间线性相关性越高，则待校准感知***的准确性越高，反之，待校准感知***准确性越低；最大交互信息系数表征待校准结果和基准结果之间的非线性相关性，用于定性分析待校准感知***的准确性，其值越大表示下肢意图识别***与待校准感知***的输出之间非线性相关性越高，待校准感知***准确性越高，反之，待校准感知***准确性越低。
下肢运动意图连续感知校准模块中的补偿单元基于生成的误差曲线及相关系数、最大交互信息系数对待校准感知***进行校准，以尽量大的相关系数、最大交互信息系数为目标，根据误差曲线上展示的差异对待校准感知***的角度及力矩进行修正，增加补偿系数，更改角度解码器及力矩解码器中的权值，将待校准感知***的输出尽可能修正为标准结果。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (6)

1.一种人体下肢运动意图脑肌融合感知的多层次校准***，其特征在于，包括：
下肢运动意图感知子***，用于感知使用者的离散及连续下肢运动意图，提供下肢运动意图的标准结果；
下肢运动意图感知校准子***，用于对待校准感知***进行离散及连续的多层次的校准；
待校准感知***，用于与校准***同步感知使用者的离散及连续下肢运动意图，同时接受校准***的校准；
下肢运动意图感知子***包括信息采集模块和下肢运动意图感知模块；
信息采集模块，用于采集使用者的脑电信号和肌电信号，并将脑电信号和肌电信号发送给下肢运动意图感知模块；
下肢运动意图感知模块，用于对人体下肢运动意图进行多层次的感知，得到运动意图离散感知的标准结果和连续运动关节角度与力矩的标准解码，并将标准结果和标准解码发送至下肢运动意图感知校准子***。
2.根据权利要求1所述的人体下肢运动意图脑肌融合感知的多层次校准***，其特征在于，信息采集模块包括脑电信号采集单元、肌电信号采集单元与无线传输单元；脑电信号采集单元与脑电帽连接，肌电信号采集单元与肌电电极连接；脑电信号采集单元、肌电信号采集单元均通过无线传输单元与下肢运动意图感知模块进行数据交互。
3.根据权利要求1所述的人体下肢运动意图脑肌融合感知的多层次校准***，其特征在于，脑电帽的电极布置于大脑中央区域的FCz、FC1、FC2、C1、C2、C3、C4、CP1、CP2和Cz通道；肌电电极布置在使用者下肢相应肌肉上。
4.根据权利要求1所述的人体下肢运动意图脑肌融合感知的多层次校准***，其特征在于，下肢运动意图感知模块，包括基于脑肌电融合的下肢运动意图离散感知单元和基于肌电信号的下肢运动意图连续解码单元；
基于脑肌电融合的下肢运动意图离散感知单元包括脑肌电预处理子单元、脑肌电特征提取子单元及下肢运动意图离散识别子单元；脑肌电预处理子单元和脑肌电特征提取子单元对脑电及肌电数据进行预处理及特征提取，得到脑电及肌电特征；下肢运动意图离散识别子单元对脑电及肌电特征进行融合及分类，输出识别到的离散运动意图，输出结果作为下肢运动意图离散感知的标准结果；
基于肌电信号的下肢运动意图连续解码单元包括肌电预处理子单元、肌电特征提取子单元、连续运动关节角度及力矩解码子单元；肌电预处理子单元和肌电特征提取子单元对肌电数据进行预处理及特征提取，得到肌电特征；连续运动关节角度及力矩解码子单元对肌电特征进行解码，得到对应的连续运动关节角度及关节力矩，输出结果作为人体连续运动关节角度与力矩的标准解码。
5.根据权利要求4所述的人体下肢运动意图脑肌融合感知的多层次校准***，其特征在于，下肢运动意图感知校准子***包括下肢运动意图离散感知校准模块和下肢运动意图连续感知校准模块；下肢运动意图离散感知的标准结果及人体连续运动关节角度与力矩的标准解码将被分别输送至下肢运动意图离散感知校准模块及下肢运动意图连续感知校准模块进行离散意图校准及连续意图校准。
6.一种采用权利要求5所述***的人体下肢运动意图脑肌融合感知的多层次校准方法，其特征在于，所述校准方法包括运动意图离散感知校准方法和运动意图连续感知校准方法；
所述运动意图离散感知校准方法，包括以下步骤：
步骤1-1：采集脑电信号和肌电信号，并将脑电信号和肌电信号传输至下肢运动意图感知模块中基于脑肌电融合的下肢运动意图离散感知单元；
步骤1-2：基于脑肌电融合的下肢运动意图离散感知单元中的脑肌电预处理子单元及脑肌电特征提取子单元对脑电及肌电信号进行预处理、特征提取及特征融合后，得到融合特征；下肢运动意图离散感知识别子单元将融合特征输入分类器对下肢运动意图离散感知进行识别，输出结果作为下肢运动意图离散感知的标准结果；
步骤1-3：将下肢运动意图离散感知的标准结果输入至下肢运动意图感知校准子***中的下肢运动意图离散感知校准模块，下肢运动意图离散感知校准模块对比分析基于脑肌电融合的下肢运动意图离散感知单元输出的离散运动意图，以及经待校准感知***的待校准接口模块输入的待校准感知***得到的离散运动意图；若结果不等，则为一次待校准感知***的错误识别；若结果相等，则为一次待校准感知***的正确识别；经过多次试验后，得到待校准感知***的识别错误E、正确率R和单个类别下的假阳性率FPR、假阴性率FNR、真阳性率TPR及真阴性率TNR，其中：
Figure FDA0002944339830000031
Figure FDA0002944339830000032
Figure FDA0002944339830000033
Figure FDA0002944339830000034
E＝FPR+FNR (5)
R＝1-E (6)
所述运动意图连续感知校准方法，包括以下步骤：
步骤2-1：采集肌电信号，并将肌电信号传输至下肢运动意图感知模块中的基于肌电信号的下肢运动意图连续解码单元；
步骤2-2：基于肌电信号的下肢运动意图连续解码单元中的肌电预处理子单元及肌电特征提取子单元分别对肌电信号进行预处理及特征提取得到肌电特征；连续运动关节角度及力矩解码子单元中的角度解码器及力矩解码器根据肌电特征分别进行对下肢连续运动关节角度及力矩的解码，输出结果作为连续下肢运动关节角度及力矩的标准结果；
步骤2-3：将连续下肢运动关节角度及力矩的标准结果输入至下肢运动意图连续感知校准模块，下肢运动意图连续感知校准模块对比分析基于肌电信号的下肢运动意图连续解码单元输出的下肢关节连续运动角度及力矩，以及经待校准接口模块输入的待校准感知***得到的下肢关节连续运动角度及力矩，误差曲线生成单元对比两者形成待校准感知***的运动过程误差曲线，同时计算下肢运动意图感知***及待校准感知***生成的角度及力矩两变量之间的相关系数r(X,Y)及最大交互信息系数MIC：
Figure FDA0002944339830000041
Figure FDA0002944339830000042
Figure FDA0002944339830000043
其中，X为基于肌电信号的下肢运动意图连续解码单元的关节角度或力矩标准结果，Y为待校准感知***得到的下肢关节连续运动角度或关节力矩结果，a,b为计算MIC过程中网格化X,Y变量的网格数，B为经验取值变量，N为数据总量；Cov(X,Y)表示X和Y的协方差，Var表示方差矩阵，P(X,Y)当前是X和Y的联合概率密度函数，P(X)和P(Y)分别是X和Y的边缘概率密度函数。
CN201911063823.8A 2019-11-04 2019-11-04 人体下肢运动意图脑肌融合感知的多层次校准***及方法 Active CN110815181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911063823.8A CN110815181B (zh) 2019-11-04 2019-11-04 人体下肢运动意图脑肌融合感知的多层次校准***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911063823.8A CN110815181B (zh) 2019-11-04 2019-11-04 人体下肢运动意图脑肌融合感知的多层次校准***及方法

Publications (2)

Publication Number Publication Date
CN110815181A CN110815181A (zh) 2020-02-21
CN110815181B true CN110815181B (zh) 2021-04-20

Family

ID=69552260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911063823.8A Active CN110815181B (zh) 2019-11-04 2019-11-04 人体下肢运动意图脑肌融合感知的多层次校准***及方法

Country Status (1)

Country Link
CN (1) CN110815181B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085169B (zh) * 2020-09-11 2022-05-20 西安交通大学 肢体外骨骼辅助康复脑-肌电融合感知的自主学习与进化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105578954A (zh) * 2013-09-25 2016-05-11 迈恩德玛泽股份有限公司 生理参数测量和反馈***
CN106621287A (zh) * 2017-02-07 2017-05-10 西安交通大学 一种基于脑机接口与虚拟现实技术的上肢康复训练方法
CN108681396A (zh) * 2018-04-28 2018-10-19 北京机械设备研究所 基于脑-肌电双模态神经信号的人机交互***及其方法
CN109318207A (zh) * 2018-11-07 2019-02-12 西安交通大学 一种利用肌电定时的下肢运动准备电位检测***及方法
CN109589247A (zh) * 2018-10-24 2019-04-09 天津大学 一种基于脑-机-肌信息环路的助行机器人***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014117427B4 (de) * 2014-11-27 2016-12-15 Forschungszentrum Jülich GmbH Vorrichtung zur effektiven nicht-invasiven Neurostimulation mittels variierender Reizsequenzen

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105578954A (zh) * 2013-09-25 2016-05-11 迈恩德玛泽股份有限公司 生理参数测量和反馈***
CN106621287A (zh) * 2017-02-07 2017-05-10 西安交通大学 一种基于脑机接口与虚拟现实技术的上肢康复训练方法
CN108681396A (zh) * 2018-04-28 2018-10-19 北京机械设备研究所 基于脑-肌电双模态神经信号的人机交互***及其方法
CN109589247A (zh) * 2018-10-24 2019-04-09 天津大学 一种基于脑-机-肌信息环路的助行机器人***
CN109318207A (zh) * 2018-11-07 2019-02-12 西安交通大学 一种利用肌电定时的下肢运动准备电位检测***及方法

Also Published As

Publication number Publication date
CN110815181A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN112932502B (zh) 结合互信息通道选择与混合神经网络的脑电情感识别方法
CN104504390B (zh) 一种基于眼动数据的网上用户状态识别方法和装置
CN101711709B (zh) 利用眼电和脑电信息的电动假手控制方法
CN111062250A (zh) 基于深度特征学习的多受试者运动想象脑电信号识别方法
CN110495893B (zh) 一种运动意图连续脑肌电多层次动态融合识别***及方法
CN111584029B (zh) 基于判别式对抗网络的脑电自适应模型及在康复中的应用
CN109318207B (zh) 一种利用肌电定时的下肢运动准备电位检测***及方法
CN110815181B (zh) 人体下肢运动意图脑肌融合感知的多层次校准***及方法
CN104573665A (zh) 一种基于改进维特比算法的连续动作识别方法
CN102521505A (zh) 用于控制意图识别的脑电和眼电信号决策融合方法
CN112043473B (zh) 智能假肢脑-肌电融合感知的并行嵌套与自主择优分类器
CN110377049B (zh) 基于脑-机接口的无人机集群编队队形重构控制方法
CN112465059A (zh) 基于跨脑融合决策的多人运动想象识别方法及脑机***
CN112732090B (zh) 基于肌肉协同的用户无关实时手势识别方法
CN107980151A (zh) 一种基于心电认证的门禁***及其认证方法
CN108703824A (zh) 一种基于肌电手环的仿生手控制***及控制方法
CN110752032A (zh) 一种基于卷积神经网络和激光测振的中医诊断方法
CN110120263A (zh) 一种基于健康信息采集和分析的健康辅助***
CN112733774A (zh) 一种基于BiLSTM与串并多尺度CNN结合的轻量化ECG分类方法
CN105942975A (zh) 基于稳态视觉诱发的脑电信号处理方法
CN115083566A (zh) 基于双流Transformer编码器和多头注意力机制的运动意图识别方法
CN107016355A (zh) 一种低误触发率运动想象双层分类识别方法
CN110231864A (zh) 变电站虚拟环境中的精准手势识别方法
CN108985278A (zh) 一种基于svm的步态功能评估模型的构建方法
CN115024735B (zh) 一种基于运动意图识别模型的脑卒中患者康复方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant