[发明专利]一种基于人体表面肌电信号的躯干动作意图识别方法

说明书

本发明公开一种基于人体表面肌电信号的躯干动作意图识别方法，包括：采集对象的表面肌电信号及惯性测量数据，并预处理形成归一化数据；通过滑动重叠窗口从每个动作对应的归一化数据中选择预定特征，通过计算获得需要的特征空间；对所述特征空间降维；对降维后的数据利用分类回归树方法形成决策树分类器进行分类，输出动作模式识别结果；采用多数表决机制对输出的动作模式识别结果进行噪声滤除，将最终动作模式识别结果输出。本发明能够有效地识别人体躯干动作意图，通过采用滑动重叠窗口分析实现了较低的识别错误率，能将识别延迟时间控制在用户所能察觉的阈值内。

技术领域

本发明涉及动作模式识别技术领域，具体涉及一种基于人体表面肌电信号的躯干动作意图识别方法。

背景技术

机器人技术的最新进展使得研发作为人体延伸的外骨骼系统成为可能。到目前为止，增强型上下肢外骨骼一直是该领域研究的焦点。一个脊椎动力外骨骼可以通过增强一个人的承载能力从而使很多人群从中收益，尤其是那些完成诸如屈曲或伸展等日常活动非常困难的人群，例如重物搬运工和身患如截瘫和偏瘫的残疾人群等，外骨骼可以帮助该类人群自由站立和行走，带来的好处显而易见。并且，最重要的是外骨骼设备的直觉控制，这样用户可以把精力更多的投入到日常生活中而不必担心外骨骼的操作。但是目前的外骨骼技术仍然限制了躯干的自然运动，因为上下肢之间由一个刚性脊柱连接，这将极大地限制了用户能够参与的日常活动。目前两种推断用户动作意图的方法是通过在设备关节中嵌入机械传感器，或者通过惯性测量和表面肌电信号(sEMG)。

表面肌电信号由肌肉纤维在收缩过程中的电活动产生，并在皮肤表面被检测出来。因为每一个动作对应于肌肉组织的特定激活模式，因此可以通过放置在相关肌肉上的电极所采集的多通道肌电信号来确定用户的动作意图。因此，表面肌电信号是动力假肢、外骨骼和康复机器人的重要控制信号输入。目前已有许多基于肌电信号模式识别的动力假肢控制方法研究，例如：基于高斯混合模型分类法的上肢动力假肢肌电控制；利用表面肌电信号对假肢膝关节意念控制的方法。另一些研究者着重描述了基于肌电信号的模式识别方法的发展，例如：基于肌电信号的人工神经网络(ANN)和线性判别分析(LDA)运动模式识别方法；多功能肌电控制的鲁棒实时控制方法；基于肌电生物信号接口的实时手势识别方法。

除了压力和力传感器外，目前的假肢装置主要利用安装在设备和身体不同位置上的传感器采集的用户身体表面肌电信号来识别用户动作意图。然而目前在采用用户身体表面肌电信号来识别用户动作意图方面，存在不足，导致识别结果不够理想。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于表面肌电信号和惯性测量的方法对训练数据进行分类的智能动力脊椎外骨骼的实时动作意图识别方法，其能够区分用户不同的动作意图模式，如屈曲、伸展和扭动躯干且识别准确度高，可以作为脊椎动力外骨骼的高级监控控制器使用。

为实现本发明的目的所采用的技术方案是：

一种基于人体表面肌电信号的躯干动作意图识别方法，其特征在于，包括以下步骤：

采集对象的表面肌电信号及惯性测量数据，并预处理形成归一化数据；

通过滑动重叠窗口从每个动作对应的归一化数据中选择预定特征，通过计算获得需要的特征空间；

对所述特征空间降维；

对降维后的数据利用分类回归树方法形成的决策树分类器进行分类，输出动作模式识别结果；

采用多数表决机制对输出的动作模式识别结果进行噪声滤除，将最终动作模式识别结果输出。

所述惯性测量数据包括位置、速度、加速度数据。