本發(fā)明屬于肌電假肢
技術(shù)領(lǐng)域：
，涉及一種肌電假肢手勢(shì)及力度控制方法。
背景技術(shù)：
：據(jù)國(guó)家統(tǒng)計(jì)局2006年對(duì)我國(guó)殘疾人口抽樣調(diào)查數(shù)據(jù)推算，在全國(guó)各類殘疾人中，肢體殘疾人口最多，為2412萬(wàn)人，占總殘疾人口的29.07％。由于意外事故、先天缺陷、疾病、自然災(zāi)害等原因，肢體殘疾人口還在不斷增加。目前市面上常用的和比較先進(jìn)的假肢有裝飾性假肢、工具手、牽引式機(jī)械假手、電動(dòng)假肢、聲控假肢、肌電假肢。傳統(tǒng)的機(jī)械索控假肢是利用假肢使用者的自身力源，通過殘留肢體的機(jī)械動(dòng)作拉動(dòng)繩索或鏈條來(lái)操控假肢的肘關(guān)節(jié)及手部裝置。由于控制方法的固有局限，機(jī)械索控假肢存在著功能單一、操控緩慢、動(dòng)作笨拙、維護(hù)困難等問題。而肌電假肢是一種由大腦神經(jīng)直接支配的外動(dòng)力型假肢，使用時(shí)直感性強(qiáng)，仿生效果好，是現(xiàn)代假肢的發(fā)展方向，適用于前臀部分缺損的殘疾者。肌電假肢的控制系統(tǒng)，是由大腦神經(jīng)支配肢體肌肉收縮產(chǎn)生運(yùn)動(dòng)時(shí)發(fā)出肌電信號(hào)，傳達(dá)到前臂皮膚表面，經(jīng)過電極的測(cè)取和放大，傳輸?shù)娇刂葡到y(tǒng)，最后由控制系統(tǒng)對(duì)信號(hào)進(jìn)行分析處理，模式識(shí)別，驅(qū)動(dòng)電機(jī)完成對(duì)假肢手指伸屈、手腕伸屈、手腕內(nèi)外旋轉(zhuǎn)等動(dòng)作。現(xiàn)階段對(duì)于sEMG信號(hào)的分析和研究，無(wú)論是信號(hào)特征參數(shù)的提取算法,還是信號(hào)動(dòng)作類型的分類器算法都己發(fā)展成熟。sEMG信號(hào)的特征參數(shù)提取算法,從傳統(tǒng)的統(tǒng)計(jì)量特征,到信號(hào)的時(shí)域、頻域特征,再發(fā)展到其時(shí)頻域特征,從算法的理論基礎(chǔ)到結(jié)構(gòu)參數(shù)優(yōu)化都己經(jīng)研究得十分透徹；sEMG信號(hào)的分類器算法，從最初的線性判定分類器,發(fā)展到目前的SVM分類器和模擬人腦結(jié)構(gòu)的ANN分類器；同時(shí)分類器的學(xué)習(xí)訓(xùn)練算法也隨著分類器的發(fā)展逐步趨于成熟。盡管目前基于前臂肌電信號(hào)手勢(shì)識(shí)別的研究非常豐富，但對(duì)單手指的姿態(tài)和指尖力度同步控制的研究相對(duì)較少。利用肌電信號(hào)同步控制現(xiàn)有假肢動(dòng)作和手指力度，可以使殘疾人能夠自主的控制假肢完成更多復(fù)雜的操作，提高其生活便利性。有鑒于此，本發(fā)明提出的肌電假肢控制方法在一定程度上彌補(bǔ)了現(xiàn)有康復(fù)手的不足，具有一定的實(shí)際應(yīng)用價(jià)值。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提供一種肌電假肢手勢(shì)及力度控制方法，該方法能夠達(dá)到更加準(zhǔn)確快速預(yù)測(cè)患者動(dòng)作意圖，實(shí)現(xiàn)對(duì)肌電假肢的動(dòng)作及力度的同步控制。為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：一種肌電假肢手勢(shì)及力度控制方法，該方法包括以下步驟：S1：采集前臂表面肌電信號(hào)；S2：通過移動(dòng)窗口，每次將N個(gè)肌電信號(hào)分別傳輸?shù)绞謩?shì)識(shí)別模型和手指力度識(shí)別模型；S3：通過手勢(shì)識(shí)別模型實(shí)現(xiàn)肌電假肢動(dòng)作控制；S4：通過手指力度識(shí)別模型實(shí)現(xiàn)肌電假肢手指力度控制。進(jìn)一步，所述的肌電信號(hào)為殘肢前臂多通道表面肌電信號(hào)。進(jìn)一步，在步驟S3中，手勢(shì)識(shí)別模型是通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練肌電信號(hào)與手勢(shì)類型之間的非線性映射模型，該模型可根據(jù)降維后的數(shù)據(jù)判別使用者動(dòng)作意圖，經(jīng)過電機(jī)驅(qū)動(dòng)假肢完成相應(yīng)動(dòng)作，具體包括：首先進(jìn)行信號(hào)活動(dòng)段檢測(cè)，提取生物肌電信號(hào)特征信息；其次，對(duì)特征信息進(jìn)行數(shù)據(jù)降維處理；最后根據(jù)降維后的特征信息進(jìn)行實(shí)時(shí)動(dòng)作識(shí)別分類，驅(qū)動(dòng)假肢執(zhí)行相應(yīng)動(dòng)作。進(jìn)一步，在步驟S4中，在手指力度識(shí)別模型中，對(duì)前臂表面肌電信號(hào)原始數(shù)據(jù)進(jìn)行歸一化處理，利用相關(guān)性分析分別選出與各個(gè)手指力度線性相關(guān)最大的一路表面肌電信號(hào)，選用各個(gè)手指相應(yīng)的一路表面肌電信號(hào)對(duì)肌電假肢的手指力度進(jìn)行線性控制，驅(qū)動(dòng)假肢各個(gè)手指執(zhí)行相應(yīng)抓取力度。進(jìn)一步，采集的肌電信號(hào)中設(shè)定一定時(shí)間長(zhǎng)度的數(shù)據(jù)分析移動(dòng)框口，對(duì)窗口內(nèi)的數(shù)據(jù)進(jìn)行平均絕對(duì)值，平均功率，中值頻率等數(shù)據(jù)處理；設(shè)定活動(dòng)段閥值，當(dāng)輸入值超過閥值，便將肌電信號(hào)傳送到下一步進(jìn)行特征提取處理，如果輸入值小于閥值，將停止傳送肌電信號(hào)到特征提取處理，肌電假肢手勢(shì)保持不變。進(jìn)一步，所述的特征提取包括AR特征提取，移動(dòng)絕對(duì)循環(huán)比，小波包系數(shù)，以及樣本熵等時(shí)域頻域特征提取方法，采用其中一種或多種，然后將得到的特征值進(jìn)行數(shù)據(jù)降維處理。進(jìn)一步，所述對(duì)特征信息進(jìn)行數(shù)據(jù)降維處理采用主成分分析法或因子分析法，減小手勢(shì)識(shí)別模型中的輸入量，提高后續(xù)手勢(shì)識(shí)別效率。本發(fā)明的有益效果在于：通過本發(fā)明提供的假肢控制方法，假肢使用者能夠用自然而直接的控制肌電假肢的手勢(shì)和手指力度，完成日常的基本動(dòng)作，提高假肢使用者的本體感以及生活便利性。附圖說明為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進(jìn)行說明：圖1為本發(fā)明的肌電假肢控制系統(tǒng)模塊圖；圖2為本發(fā)明的肌電假肢手勢(shì)及力度控制流程圖；圖3為肌電信號(hào)處理時(shí)序圖。具體實(shí)施方式下面將結(jié)合附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。圖1為本發(fā)明的肌電假肢控制系統(tǒng)模塊圖。圖2為本發(fā)明的肌電假肢手勢(shì)及力度控制流程圖，如圖所示，本發(fā)明提供的肌電假肢手勢(shì)及力度控制方法，包括如下步驟：采集前臂表面肌電信號(hào)；將多通道表面肌電信號(hào)分別傳輸?shù)绞謩?shì)識(shí)別模型和手指力度識(shí)別模型；在手勢(shì)識(shí)別模型中，首先信號(hào)活動(dòng)段檢測(cè)；提取生物肌電信號(hào)特征信息；對(duì)特征信息進(jìn)行數(shù)據(jù)降維處理；根據(jù)降維后的特征信息進(jìn)行實(shí)時(shí)動(dòng)作識(shí)別分類，其中動(dòng)作識(shí)別模型是通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練肌電信號(hào)與手勢(shì)類型之間的非線性映射模型；在手指力度識(shí)別模型中，對(duì)前臂表面肌電信號(hào)原始數(shù)據(jù)進(jìn)行歸一化處理，利用相關(guān)性分析分別選出與各個(gè)手指力度線性相關(guān)最大的一路表面肌電信號(hào)，選用各個(gè)手指相應(yīng)的一路表面肌電信號(hào)對(duì)肌電假肢的手指力度進(jìn)行線性控制。利用上述假肢控制方法，假肢使用者能夠用自然而直接的控制肌電假肢的手勢(shì)和手指力度，完成日常的基本動(dòng)作，提高假肢使用者的本體感以及生活便利性。具體來(lái)說，在本實(shí)施例中，首先，采集患者前臂表面肌電信號(hào)，當(dāng)截肢者通過想象用已經(jīng)失去的肢體做不同動(dòng)作和力度時(shí)，來(lái)自大腦的運(yùn)動(dòng)神經(jīng)信號(hào)使殘存肌肉收縮，用附著在肌肉表面的肌電電極感應(yīng)并產(chǎn)生電信號(hào)。用肌電電極記錄的肌電信號(hào)，經(jīng)放大及濾波處理后，用模-數(shù)轉(zhuǎn)換器量化為數(shù)字信號(hào)，將該數(shù)字信號(hào)作為肌電信號(hào)，采樣頻率優(yōu)選為1000-2000HZ，肌電電極數(shù)目?jī)?yōu)選為2-8個(gè)，將該生物電信號(hào)作為信息源進(jìn)行動(dòng)作和力度識(shí)別分析。在手勢(shì)識(shí)別模型中，采用活動(dòng)段檢測(cè)：患者在使用肌電假肢時(shí)，存在一個(gè)動(dòng)作剛好完成就繼續(xù)做下一個(gè)動(dòng)作，此時(shí)肌肉還未來(lái)得及放松，故一個(gè)動(dòng)作的肌電信號(hào)的起始段和緊接著的下一個(gè)動(dòng)作的起始段相重合。首先利用相關(guān)性分析，選出與各類手部動(dòng)作相關(guān)性最強(qiáng)的一路肌電信號(hào)，采用小波分解與重構(gòu)后的該路信號(hào)用于活動(dòng)段識(shí)別信號(hào)，當(dāng)肌電信號(hào)的幅值大于設(shè)定閥值，判斷為活動(dòng)段，將信號(hào)送到特征提取處理；當(dāng)幅值小于設(shè)定值判斷為靜態(tài)保持，停止傳送信號(hào)到特征提取處理。如圖2所示，根據(jù)生物控制機(jī)理以及相關(guān)性分析，選取一路與各類動(dòng)作均有很強(qiáng)相關(guān)性的表面肌電信號(hào)，采用小波分解重構(gòu)后的該路信號(hào)用于活動(dòng)段識(shí)別信號(hào)，當(dāng)肌電信號(hào)的幅值大于設(shè)定閥值，判斷為活動(dòng)段，將信號(hào)送到特征提取處理；當(dāng)幅值小于設(shè)定值判斷為靜態(tài)保持，停止傳送信號(hào)到特征提取處理。如圖3所示，其為肌電信號(hào)處理時(shí)序圖，首先活動(dòng)段檢測(cè)，然后在動(dòng)作開始段進(jìn)行手勢(shì)識(shí)別，并進(jìn)行假肢手勢(shì)運(yùn)動(dòng)控制，最后在手勢(shì)持續(xù)的過程中進(jìn)行手指力度識(shí)別，并進(jìn)行假肢力度控制。特征提取的過程：為了提取較為全面的肌電信號(hào)特征信息，采用時(shí)域自回歸特征AR系數(shù)和絕對(duì)均值循環(huán)比特征TD。絕對(duì)均值循環(huán)比特征TD計(jì)算方式如下:例如采集肌電信號(hào)的通道數(shù)為6，信號(hào)幅值的據(jù)對(duì)均值(MAV)特征是一種常用的信號(hào)表征值其計(jì)算公式如下：MAVc=1NΣt+1N|sc(t)|---(1.1)]]>多通道SEMG信號(hào)的絕對(duì)均值比特征MAVRc計(jì)算公式如下：MAVRc=MAVcMAVc-1(2≤c≤N)---(1.2)]]>AR模型將SEMG信號(hào)看成是零均值噪聲激勵(lì)一個(gè)線性系統(tǒng)的響應(yīng)輸出信號(hào),其數(shù)學(xué)表達(dá)式如下：x(n)=w(n)-Σpakx(n-k)---(1.3)]]>該模型的系統(tǒng)函數(shù)是：H(z)=11+Σk=1pakz-k---(1.4)]]>式中x(n)為SEMG的當(dāng)前采樣值,w(n)為當(dāng)前激勵(lì)值,也即前向預(yù)測(cè)誤差(白噪聲),p為模型的階數(shù),ak是AR模型第k個(gè)系數(shù),AR模型能夠有效地將SEMG信號(hào)的隨機(jī)性和可預(yù)測(cè)性相結(jié)合，當(dāng)服模型的階數(shù)取為3-6時(shí),可以取得有效的sEMG分類和識(shí)別性能。接下來(lái)將TD-AR提取的特征信號(hào)發(fā)送到降維處理模型，在本實(shí)施例中，采用主成分分析法PCA進(jìn)行降維處理。針對(duì)降維后的數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練肌電信號(hào)與手勢(shì)類型之間的非線性映射模型，來(lái)判別使用者動(dòng)作意圖，驅(qū)動(dòng)電機(jī)使假肢完成相應(yīng)動(dòng)作。所述的手指力度識(shí)別模型，基于前臂神經(jīng)控制機(jī)理選出與各個(gè)手指抓取力度最相關(guān)的一路肌電信號(hào)，對(duì)該路肌電信號(hào)進(jìn)行歸一化處理。這樣既保證了運(yùn)算的便捷，又能凸現(xiàn)出物理量的本質(zhì)含義。歸一化的重要作用就是消除因肌電信號(hào)和指尖壓力信號(hào)取值與量綱差異而產(chǎn)生的影響，為所有的物理量樹立一個(gè)統(tǒng)一的標(biāo)尺，在這個(gè)標(biāo)尺下考慮試驗(yàn)數(shù)據(jù)的變化規(guī)律。我們采用簡(jiǎn)單的線性數(shù)據(jù)轉(zhuǎn)換對(duì)肌電信號(hào)和指尖力進(jìn)行歸一化處理。因?yàn)槠渚哂袠颖镜拇笮￡P(guān)系保持不變和樣本的相對(duì)距離保持不變的性質(zhì)更好的反映了實(shí)驗(yàn)數(shù)據(jù)的變化規(guī)律。設(shè)數(shù)據(jù)樣本的取值范圍為[max，min]則歸一化表達(dá)式為：y=g(x)=x-minmax-min]]>利用相關(guān)性分析分別選出與各個(gè)手指力度線性相關(guān)最大的一路表面肌電信號(hào)，選用各個(gè)手指相應(yīng)的一路表面肌電信號(hào)對(duì)肌電假肢的手指力度進(jìn)行線性控制，最后由電機(jī)驅(qū)動(dòng)假肢各個(gè)手指執(zhí)行相應(yīng)抓取力度。利用上述假肢控制方法，假肢使用者能夠用自然而直接的控制肌電假肢的手勢(shì)和手指力度，完成日常的基本動(dòng)作，提高假肢使用者的本體感以及生活便利性。最后說明的是，以上優(yōu)選實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管通過上述優(yōu)選實(shí)施例已經(jīng)對(duì)本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對(duì)其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。當(dāng)前第1頁(yè)1 2 3