[發明專利]基于肌電信號GA-Elman的上肢關節角度估計方法

在審

• 申請號: 202010460926.4
• 申請日: 2020-05-27
• 公開（公告）號: CN111657939A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 郝奇奇;丁浙柯;陳謝冰;席旭剛;王俊宏;馬駿馳;楊康波
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/0488
• 分類號: A61B5/0488;A61B5/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

本發明提出了一種基于肌電信號GA?Elman的上肢關節角度估計方法。首先從相關肌肉組上采集相應的表面肌電信號，然后應用小波去噪對信號進行去噪。通過小波包變換提取出32?375Hz四個子空間波段的信號，這個波段內的信號特征可以濾除高頻噪聲和不必要的低頻信息。然后計算這四個子空間的小波包能量熵，這個方法很好的去除了肌電信號中的冗余信息。該方法簡單，計算速度快。后將提取到的特征和肩關節角度肘角節角度同時輸入兩個GA?Elman神經網絡，實現肌電信號的上肢肩關節和肘關節同步連續運動的關節角估計。實驗結果表明，該方法的估計結果優于其它分類方法。

技術領域

本發明屬于模式識別領域，涉及一種基于肌電信號的模式識別方法，特別涉及一種上肢同步連續關節角的估計方法。

背景技術

偏癱是一種由神經損傷引起的運動功能障礙。偏癱患者的臨床治療主要是由治療師一對一的手工治療。這種方法費時，不能量化和客觀地評價。因此，迫切需要一種新的、高效的康復療法來彌補傳統康復訓練的不足。機器人用于參加康復訓練，可以使治療師擺脫主要的體力勞動，并為病人制定更好的康復方案，使康復的效果有很大的提高。

表面肌電圖能在一定程度上反映神經肌肉的活動，其采集過程對人體是方便無害的。它能適應偏癱患者生理狀況的特殊性。因此，它成為最重要的生物信號之一，它直接反映用戶的預期運動，它經常被用作用戶癱瘓手臂性能的指示工具。sEMG用于通過估計力、扭矩和角度來檢測預期的運動，以產生機器人上肢運動。這將引導用戶癱瘓的手臂作為康復治療。在康復系統中，人的運動意圖必須從sEMG不斷地識別，并且進一步被作為機器人設備控制命令，使得機器人能夠與人的意圖相匹配，從而機器人能夠執行有效的輔助。許多研究利用EMG信號中蘊含的動作模式信息估計了上肢的關節角。Han等采用了狀態空間隱馬爾可夫模型和傳統的閉環預測校正方法來估計關節與EMG信號的連續運動。Zhang等分別使用主成分分析和獨立成分分析來分別分解sEMG模式。采用人工神經網絡連續估計肩關節和肘關節的四個關節角度。Yee等人采用了與虛擬人體模型相結合的后傳播神經網絡來估計肩關節和肘關節的估計角度。Xiao等提出了表面肌電信號的多延遲特征信號，以提高肘關節運動估計的性能，并利用隨機森林來提高關節角精度的估計。Ding等提出了一種基于關聯的冗余分割方法。建立了運動模型的一般狀態空間模型，并提出了一種預測修正算法。Liu等建立了一種基于肌電信號的非線性自回歸模型，以連續解碼肩部、肘部和手腕運動。然而，這些文獻中的運動估計的性能仍然不令人滿意，并且對于多關節的同步連續研究仍較少，存在很大的研究空間。

發明內容

本發明針對現有技術中存在識別肩部和手腕的三個關節的同步運動意圖方面仍然存在一些困難。其中，肩部和肘部向上肢帶來廣泛的運動，肩部和肘部在較寬的運動范圍內具有比手腕更多的變化。因此，同時估計肩關節和肘關節的自由度更有意義。為了更加準確的對上肢肩關節和肘關節同步連續運動的關節角估計，本發明提出了一種基于肌電信號的上肢同步連續關節角的GA-Elman神經網絡估計方法。

本發明首先從相關肌肉組上采集相應的表面肌電信號，然后應用小波去噪對信號進行去噪。我們通過小波包變換提取出32-375Hz(32-63Hz,63-125Hz,125-250Hz,250-375Hz)四個子空間波段的信號，這個波段內的信號特征可以濾除高頻噪聲和不必要的低頻信息。然后計算這四個子空間的小波包能量熵，后將提取到的特征和肩關節角度肘角節角度同時輸入兩個GA-Elman神經網絡，實現肌電信號的上肢肩關節和肘關節同步連續運動的關節角估計。實驗結果表明，該方法的估計結果優于其它分類方法。

為了實現以上目的，本發明方法主要包括以下步驟：

步驟(1).獲取人體上肢肌電信號樣本數據，具體是：首先通過肌電信號采集儀得到人體上肢相關肌肉肌電信號，再運用能量閾值確定動作的起始位置和終止位置，獲得動作肌電信號。

步驟(2).將步驟(1)獲取的原始肌電信號進行硬閾值小波降噪。對降噪后的信號進行小波包變換，選取特定頻段子空間，計算小波包能量熵，得到sEMG特征。