人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)療康復(fù)器械，具體講，涉及人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方 法。
【背景技術(shù)】
[0002] 當(dāng)今社會(huì)，由于車禍、工程意外、或腦中風(fēng)等疾病引起的骨折、肢體運(yùn)動(dòng)功能缺失 及其并發(fā)癥的發(fā)病率有逐年上升的趨勢(shì)。其中，下肢運(yùn)動(dòng)功能的缺失對(duì)患者日常生活的影 響尤為嚴(yán)重。實(shí)驗(yàn)表明，特定的功能訓(xùn)練能促進(jìn)中樞神經(jīng)的重組和代償，恢復(fù)患者的肢體運(yùn) 動(dòng)功能，下肢康復(fù)機(jī)器人由此發(fā)明和發(fā)展。
[0003] 人體的表面肌電信號(hào)（sEMG)是一種生物電信號(hào)，能夠直接反映人體的運(yùn)動(dòng)意圖， 非常適合作為康復(fù)機(jī)器人機(jī)器人的控制信號(hào)來(lái)源，即人機(jī)交互系統(tǒng)的有效的接口。前期通 過(guò)sEMG識(shí)別人體行為意圖的研究大多集中在對(duì)人體動(dòng)作分類，此類方法只能預(yù)測(cè)少數(shù)離散 肢體動(dòng)作，應(yīng)用預(yù)測(cè)結(jié)果控制機(jī)器人，無(wú)法實(shí)現(xiàn)機(jī)器人關(guān)節(jié)像人體關(guān)節(jié)一樣連續(xù)自如運(yùn)動(dòng)， 而保證機(jī)器人運(yùn)動(dòng)與人體運(yùn)動(dòng)高度匹配是實(shí)現(xiàn)多類機(jī)器人系統(tǒng)安全控制的先決條件，因此 通過(guò)sEMG估計(jì)連續(xù)的人體關(guān)節(jié)運(yùn)動(dòng)量是當(dāng)前理論與應(yīng)用研究的關(guān)鍵點(diǎn)。
[0004] 肌電解碼預(yù)測(cè)角度方面有關(guān)專利：
[0005] 1.發(fā)明專利?；谙嚓P(guān)系數(shù)的肌電假肢控制源導(dǎo)聯(lián)優(yōu)化方法，201210192585.2。
[0006] 專利1利用人工神經(jīng)網(wǎng)絡(luò)建立關(guān)聯(lián)sEMG和關(guān)節(jié)運(yùn)動(dòng)量的回歸模型，神經(jīng)網(wǎng)絡(luò)的結(jié) 構(gòu)形式對(duì)預(yù)測(cè)結(jié)果影響很大，卻沒有規(guī)范方法定義合適的網(wǎng)絡(luò)結(jié)構(gòu)，并且網(wǎng)絡(luò)參數(shù)確定過(guò) 度依賴于訓(xùn)練數(shù)據(jù)，當(dāng)測(cè)試數(shù)據(jù)和訓(xùn)練數(shù)據(jù)有差異時(shí)，易造成網(wǎng)絡(luò)輸出偏離真實(shí)值。
[0007] 肌電解碼預(yù)測(cè)角度方面有關(guān)論文：
[0008] 1.Buchanan T S,Lloyd D G,Manal K,et al.Neuromusculoskeletal modeling： Estimation of muscle forces and joint moments and movements from measurements of neural command[J].Journal of Applied Biomech，2004,20(4):367-395
[0009] 2.Fleischer C,Homme 1 G.Ahuman-exoskeleton interface utilizing electromyography[J]. IEEE Transactions on Robotics,2008,24(4):872-882
[0010] 文獻(xiàn)1和文獻(xiàn)2結(jié)合肌肉生理學(xué)建立以sEMG為輸入的關(guān)節(jié)動(dòng)力學(xué)模型，進(jìn)而計(jì)算關(guān) 節(jié)力矩/角加速度等量，但是構(gòu)建的模型結(jié)構(gòu)復(fù)雜，含有許多無(wú)法測(cè)量的生理學(xué)參數(shù)，難以 實(shí)際應(yīng)用。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提供一種人體下肢行走關(guān)節(jié)角度肌電連續(xù) 解碼方法，該方法可通過(guò)采集患者下肢表面肌電信號(hào)來(lái)實(shí)時(shí)準(zhǔn)確穩(wěn)定預(yù)測(cè)下肢關(guān)節(jié)角度， 患者可通過(guò)穿戴下肢康復(fù)機(jī)器人實(shí)現(xiàn)下肢運(yùn)動(dòng)功能康復(fù)的主動(dòng)訓(xùn)練，從而增加康復(fù)的積極 性，逐漸擁有自主下肢運(yùn)動(dòng)的能力。
[0012] 本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：
[0013] -種人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，包括與細(xì)以下步驟：
[0014] 步驟一、利用光學(xué)運(yùn)動(dòng)捕捉系統(tǒng)記錄人體下肢行走運(yùn)動(dòng)三維坐標(biāo)，通過(guò)人體下肢 運(yùn)動(dòng)學(xué)建模方法計(jì)算下肢髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)的運(yùn)動(dòng)角度；
[0015] 步驟二、通過(guò)16路肌電儀同步采集運(yùn)動(dòng)期間人體下肢運(yùn)動(dòng)相關(guān)8塊肌肉的表面肌 電信號(hào)，8塊肌肉具體為:股直肌、股外側(cè)肌、股二頭肌、半腱肌、比目魚肌、腓腸肌內(nèi)側(cè)、腓腸 肌外側(cè)和脛骨前??；
[0016] 步驟三、對(duì)采集的8塊肌肉的表面肌電信號(hào)進(jìn)行濾波、整流預(yù)處理提取其活動(dòng)強(qiáng)度 信息，并使用PCA方法對(duì)肌電強(qiáng)度信息降維，提取肌電信號(hào)活躍度主分量；
[0017] 步驟四、以步驟三選擇所得的肌電信號(hào)活躍度主分量作為輸入量和以步驟一計(jì)算 所得關(guān)節(jié)運(yùn)動(dòng)角度作為輸出量構(gòu)建訓(xùn)練集，使用GEP符號(hào)回歸分析方法，建立非線性下肢關(guān) 節(jié)角度預(yù)測(cè)模型；
[0018] 步驟五、采集人體下肢行走運(yùn)動(dòng)相關(guān)8塊肌肉的表面肌電信號(hào)，8塊肌肉具體為:股 直肌、股外側(cè)肌、股二頭肌、半腱肌、比目魚肌、腓腸肌內(nèi)側(cè)、腓腸肌外側(cè)和脛骨前肌;對(duì)采集 的8塊肌肉的表面肌電信號(hào)進(jìn)行濾波、整流預(yù)處理提取其活動(dòng)強(qiáng)度信息，并使用PCA方法對(duì) 肌電強(qiáng)度信息降維，提取肌電信號(hào)活躍度主分量;將提取的肌電信號(hào)活躍度主分量輸入所 述非線性下肢關(guān)節(jié)角度預(yù)測(cè)模型中，獲得人體下肢髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)的運(yùn)動(dòng)角度預(yù) 測(cè)值。
[0019] 進(jìn)一步的，步驟一中計(jì)算關(guān)節(jié)運(yùn)動(dòng)角度具體包括：
[0020] 所求角度均為各個(gè)關(guān)節(jié)在人體矢狀面上的運(yùn)動(dòng)角度，其計(jì)算公式如下：
[0021] 0i = acos(TikThigh · kpeivis)
[0022] 02 = acos(T2kcaif · kThigh)
[0023] 03 = acos(T3kF〇〇t · kcaif)
[0024] 式中：0^0^03分別為髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)的屈/伸角；T^I^PTs分別為從大 腿坐標(biāo)系到骨盆坐標(biāo)系、小腿坐標(biāo)系到大腿坐標(biāo)系和足部坐標(biāo)系到小腿坐標(biāo)系的轉(zhuǎn)化矩 陣;1^ (3：^3、1〇1^11、1^11?和1?。。1；分別為骨盆坐標(biāo)系、大腿坐標(biāo)系、小腿坐標(biāo)系和足部坐標(biāo)系豎 直軸上的單位矢量。
[0025]進(jìn)一步的，步驟三具體包括：
[0026] 利用20-500HZ帶通濾波器和50Hz工頻陷波器對(duì)肌電信號(hào)進(jìn)行降噪和偽跡消除處 理，之后對(duì)信號(hào)進(jìn)行全波整流和歸一化處理，得到肌肉活躍強(qiáng)度X={Xlj}mxP作為PCA降維的 輸入;選擇貢獻(xiàn)率之和大于給定提取效率的前h個(gè)肌肉活躍度主分量a = [Ql，α2，…，ah]作為 GEP算法條件屬性，其h取值為2~6;p = 8表示表面肌電信號(hào)通道數(shù)，m表示采樣點(diǎn)數(shù)，給定提 取效率為90 %。
[0027] 進(jìn)一步的，步驟四中GEP符號(hào)回歸方法具體包括：
[0028] 用GEP算法的多基因染色體表示問(wèn)題的可行解，包括可行解的形式和參數(shù)，然后利 用遺傳進(jìn)化在解空間中進(jìn)行搜索，最后根據(jù)適應(yīng)度值進(jìn)行優(yōu)勝劣汰，求得最優(yōu)解，即擬合樣 本肌肉活躍度主分量與關(guān)節(jié)角度最好的非線性預(yù)測(cè)模型。
[0029]進(jìn)一步的，所述遺傳進(jìn)化具體為：
[0030] 設(shè)定函數(shù)集{ +，-，*，/，Q}和終結(jié)符集{aia2"_ah?}，其中Q表示平方運(yùn)算，α表示肌電 信號(hào)活躍度主分量，？代表常數(shù)量;定義3段式基因結(jié)構(gòu)，包括頭部、尾部和常數(shù)域，頭部元素 來(lái)自函數(shù)集或終極符集，尾部元素來(lái)自終結(jié)符集，頭部長(zhǎng)度設(shè)為9，尾部長(zhǎng)度由固定關(guān)系計(jì) 算得為10,常數(shù)域長(zhǎng)度與尾部長(zhǎng)度相等，染色體由6個(gè)基因隨機(jī)產(chǎn)生;初始化生成500組未知 染色體形成初始子種群，即種群規(guī)模為500，進(jìn)化代數(shù)計(jì)數(shù)器的初始值設(shè)為1，最大遺傳代數(shù) 設(shè)為200;
[0031]設(shè)定動(dòng)態(tài)適應(yīng)度函數(shù)
[0035] 式中：Ei為預(yù)測(cè)值與目標(biāo)值均方誤差平方;表示輸入第i個(gè)染色體第j組樣本特 征時(shí)染色體表達(dá)式值即關(guān)節(jié)角度預(yù)測(cè)值;T」為對(duì)應(yīng)的關(guān)節(jié)角度目標(biāo)值，即利用光學(xué)運(yùn)動(dòng)捕 捉系統(tǒng)記錄人體下肢行走運(yùn)動(dòng)三維坐標(biāo)所計(jì)算的關(guān)節(jié)角度;Fi為以均誤差平方作為染色體 適應(yīng)度評(píng)價(jià)方法的評(píng)價(jià)函數(shù);F avg是個(gè)體平均適應(yīng)度;Fmin是個(gè)體最小適應(yīng)度；
[0036] 個(gè)體選擇采用二次選擇策略，一次選擇排除由于除法運(yùn)算中出現(xiàn)除數(shù)為零的無(wú)效 基因，二次選擇策略為輪盤賭法，同時(shí)選擇部分最優(yōu)個(gè)體3組直接進(jìn)入下一代。
[0037] 進(jìn)一步的，GEP算法中突變概率為0.051，單點(diǎn)重組率為0.3，雙點(diǎn)重組概率為0.3， 基因重組率為0.1，插串迀移概率為0.1，根插串迀移概率為0.1，基因迀移概率為0.1。
[0038]進(jìn)一步的，利用遺傳進(jìn)化在解空間中進(jìn)行搜索的終止條件設(shè)定為達(dá)到最大迭代次 數(shù)200次或者連續(xù)20代最好適應(yīng)值未變化。