[发明专利]用于下肢肌电假肢控制的多信息融合运动模式识别方法

说明书

技术领域

本发明涉及医疗康复器械，具体讲，涉及用于下肢肌电假肢控制的多信息融合运动模式识别方法。 

背景技术

随着肌电信号生理研究的深入和肌电检测技术的发展，表面肌电信号(sEMG)的应用越来越广泛，包括康复医学，人工假肢和计算机控制等，特别是残疾人肌电假肢的控制。通过在体表一定位置安放电极检测到的表面肌电信号(surface electromyogram signal，sEMG)，与肌肉的功能状态和活动状态之间存在着不同程度的关联性，能够在一定程度上反映神经肌肉的活动。因其便携、无创、安全、多靶点测量，仿生控制效果好，应用前景广阔，而被广泛应用于临床康复过程中。随着科学技术的发展，肌电控制假肢的研究已有了长足的进步，但仍未得到广泛应用，目前的肌电假肢仍以上肢假手为主，而且多是较简单的2-3个自由度的假手，仅能使残肢者恢复端水杯、拿刀叉、握笔等单纯的运动功能。市场上还未见到技术成熟、控制精准的肌电假腿的诞生，其主要原因是表面肌电信号的处理与动作模态的识别尚有许多问题亟待解决，建立人体下肢神经肌骨模型，进行下肢肌电与运动学方面的研究有着极为重要的意义。 

在一个模式识别过程中，无论是计算机还是人，首先都要先找出一些最具代表性的特征，然后才能依据这些特征去识别。肌电信号(EMG)是一种非常微弱的生物电信号，要想对假肢实现精确控制，前提条件便是准确可靠的特征提取和有效的动作识别，因此肌电信号特征对动作分析有着十分重要的意义，传统的肌电特征提取方法一般有时域分析方法、频域分析方法、时频分析方法以及非线性动力学方法。本研究提取了融合时频特性的特征识别参数，进行分类识别，可靠并具有实际的应用价值。 

发明内容

本发明旨在克服现有技术的不足，有效地提高假肢控制的精确控制与速度，为达到上述目的，本发明采取的技术方案是，用于下肢肌电假肢控制的多信息融合运动模式识别方法，包括下列步骤：通过提取人体在运动时肌肉的肌电信号，计算肌电信号奇异值和功率谱熵作为模式识别的特征参数，利用支持向量机SVM建立动作识别模型，从而全面准确的区分下蹲、站起、伸膝和行走四种常见的动作模态。 

肌电信号奇异值是矩阵所固有的特征，矩阵奇异值分解的定义如下： 

假设M是k*e的矩阵，k＞e，秩为r，r≤e，则存在e*e正交矩阵Z和k*k正交矩阵Q，使得： 

Q^TMZ＝∑ 

∑是k*e的非负对角阵：Σ=S00S,]]>S＝diag(ε₁，ε₂，ε₃，......ε_r) 

其中，diag表示对角矩阵，ε₁，ε₂，ε₃，......ε_r连同ε_r+1＝ε_r+2＝……ε_e＝0称为M的奇异 值，Z、Q的列向量分别为M的左、右奇异向量； 

功率谱熵定义如下：用U＝{u₁，u₂，u₃，......，u_n}，n≥1，表示某不确定性系统，其中，各取值概率集合用P表示， 

p＝{p₁，p₂，p₃，......，p_n}，0≤p_i≤1，i＝1，2，3.....，n