[發明專利]一種假肢控制方法、裝置、系統、設備和存儲介質

有效

• 申請號: 201811524294.2
• 申請日: 2018-12-13
• 公開（公告）號: CN111317600B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 黃品高;李光林;張元康;翁恭偉;魏文昊;黃天展;楊子健;王輝;于文龍;黃劍平;汪圓圓
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: A61F2/72
• 分類號: A61F2/72
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種假肢控制方法，其特征在于，包括：

獲取假肢連接處的肌肉信號，所述肌肉信號包括肌電信號和肌肉阻抗信號；所述肌電信號是根據所述肌肉阻抗信號經處理后得到的；

識別所述肌肉信號對應的動作類型；

根據所述動作類型生成所述假肢的控制指令；

其中，所述肌電信號是根據所述肌肉阻抗信號經處理后得到的，包括：

獲取待篩選肌電信號，所述待篩選肌電信號和所述肌肉阻抗信號是經同步采集得到的；

如果所述肌肉阻抗信號小于預設閾值，則將所述待篩選肌電信號作為所述肌電信號。

2.根據權利要求1所述的方法，其特征在于，所述識別所述肌肉信號對應的動作類型，包括：

疊加所述肌電信號和所述肌肉阻抗信號，得到疊加肌肉信號；

將所述疊加肌肉信號輸入至預先訓練的肌肉動作類型識別模型中，得到所述肌肉信號對應的動作類型。

3.根據權利要求1所述的方法，其特征在于，所述識別所述肌肉信號對應的動作類型，包括：

提取所述肌電信號的特征得到肌電特征信號，以及，提取所述肌肉阻抗信號的特征得到肌肉阻抗特征信號；

疊加所述肌電特征信號和所述肌肉阻抗特征信號，得到疊加特征信號；

將所述疊加特征信號輸入至預先訓練的特征動作類型識別模型中，得到所述肌肉信號對應的動作類型。

4.根據權利要求1所述的方法，其特征在于，所述識別所述肌肉信號對應的動作類型，包括：

將所述肌電信號輸入至預先訓練的肌電動作類型識別模型中，獲取肌電動作類型；

將所述肌肉阻抗信號輸入至預先訓練的肌肉阻抗動作類型識別模型中，獲取肌肉阻抗動作類型；

根據所述肌電動作類型和所述肌肉阻抗動作類型確定所述肌肉信號對應的動作類型。

5.根據權利要求2所述的方法，其特征在于，通過如下方式訓練所述肌肉動作類型識別模型：

獲取肌電樣本信號、肌肉阻抗樣本信號以及與肌電樣本信號和肌肉阻抗樣本信號對應的動作類型；

疊加所述肌電樣本信號和所述肌肉阻抗樣本信號，得到疊加肌肉樣本信號；

將所述疊加肌肉樣本信號作為輸入變量，所述肌電樣本信號和所述肌肉阻抗樣本信號對應的動作類型作為輸出變量，訓練分類器模型，得到所述肌肉動作類型識別模型。

6.根據權利要求3所述的方法，其特征在于，通過如下方式訓練所述特征動作類型識別模型：

獲取肌電樣本信號、肌肉阻抗樣本信號以及與肌電樣本信號和肌肉阻抗樣本信號對應的動作類型；

提取所述肌電樣本信號的特征得到肌電樣本特征信號，以及，提取所述肌肉阻抗樣本信號的特征得到肌肉阻抗樣本特征信號；

疊加所述肌電樣本特征信號和所述肌肉阻抗樣本特征信號，得到疊加肌肉樣本特征信號；

將所述疊加肌肉樣本特征信號作為輸入變量，所述肌電樣本信號和所述肌肉阻抗樣本信號對應的動作類型作為輸出變量，訓練分類器模型，得到所述特征動作類型識別模型。

7.根據權利要求4所述的方法，其特征在于，通過如下方式訓練所述肌電動作類型識別模型：

獲取肌電樣本信號以及與肌電樣本信號對應的動作類型；

將所述肌電樣本信號作為輸入變量，所述肌電樣本信號對應的動作類型作為輸出變量，訓練分類器模型，得到所述肌電動作類型識別模型；

通過如下方式訓練所述肌肉阻抗動作類型識別模型：

獲取肌肉阻抗樣本信號以及與肌肉阻抗樣本信號對應的動作類型；

將所述肌肉阻抗樣本信號作為輸入變量，所述肌肉阻抗樣本信號對應的動作類型作為輸出變量，訓練分類器模型，得到所述肌肉阻抗動作類型識別模型。