[发明专利]基于LDA算法的表面肌电信号的通道选取方法

说明书

本发明公开了一种基于LDA算法的表面肌电信号的通道选取方法。对于确定数量的肌电信号通道组合，从胫骨前肌、腓骨长肌和比目鱼肌，腓肠肌外侧肌肉，小腿内侧的腓肠肌内侧肌肉，小腿后侧的腓肠肌内侧肌肉这6个待选的的肌电信号通道中挑出不同的组合，用基于LDA算法的准确率计算算法计算每种通道组合对脚踝的放松、背屈、跖屈、外翻和内翻5种动作模式的平均识别率。通过对每种通道组合的平均识别率进行比较，得到最优的通道组合。通过基于LDA算法的识别率计算，确定最优肌电信号通道组合，相比于通过经验确定通道组合，本发明更加科学和准确，能够使用较少的肌电信号通道实现对脚踝5种动作模式以较高的识别率进行识别。

技术领域

本发明涉及模式识别领域，特别涉及一种基于LDA算法的表面肌电信号的通道选取方法。可用于脚踝动作模式识别中的肌电电极位置的选择或其他动作模式的肌电电极位置的选择。

背景技术

表面肌肉电信号(surface electromyography,SEMG)简称表面肌电信号或肌电信号，是通过表面电极采集的肌肉活动时所产生的生物电信号。在脚踝要做出相应的运动时，小腿的肌肉会产生动作电位来诱发肌肉的收缩，这些信号经过皮下组织的传导最终可以在皮肤表面被表面电极检测到。表面肌电信号包含了相应动作的信息，而且表面肌电信号的检测属于无创检测，较为方便。

脚踝的康复锻炼对脚踝的损伤的恢复有着重要的意义。脚踝的康复一般会让康复者用脚踝做出放松、背屈、跖屈、外翻和内翻这几种动作。通过肌电信号判断出脚踝的动作，可以将动作信息提供给相应的显示或者康复辅助设备，让康复训练的过程更加简单和直观。

LDA算法全称是线性判别分析，是一种典型的模式识别算法。将不同动作模式的肌电信号的特征组合向量用LDA算法进行训练，可以有效判断不同的动作模式。

人类拥有复杂的肌肉系统，小腿上的许多肌肉都与脚踝的运动有关。在实际的使用中，能够通过较少的肌肉上的肌电信号实现较高识别率的识别是非常重要的，所以往往要挑选肌电信号通道。在肌电信号的模式识别的研究和应用中，并没有很多对于选择如何选择有效肌肉的研究，更多的是基于人体运动学的经验进行选择。

发明内容

针对上述存在的技术问题，本发明提出了一种基于LDA算法的表面肌电信号的通道选取方法。脚踝的放松、背屈、跖屈、外翻和内翻被当作5种识别模式。通过对动作模式识别率的统计比较，在小腿的主要肌肉，胫骨前肌、腓骨长肌、比目鱼肌、腓肠肌外侧肌肉、小腿内侧的腓肠肌内侧肌肉和小腿后侧的腓肠肌内侧肌肉这6个待选的通道中挑选出最优的肌电信号通道组合。

本发明的目的至少通过如下技术方案之一实现。

基于LDA算法的表面肌电信号的通道选取方法，包括如下步骤：

步骤S1、用酒精对小腿上胫骨前肌、腓骨长肌、比目鱼肌、腓肠肌外侧肌肉、小腿内侧的腓肠肌内侧肌肉、小腿后侧的腓肠肌内侧肌肉6个部位进行清洁，并在6个部位上固定表面肌电电极，上述6个部位为6个待选的肌电信号通道；

步骤S2、受试者坐在椅子上，大腿和小腿得到相应的支撑；只活动脚踝关节，做出放松、背屈、跖屈、外翻和内翻五种动作模式，用表面肌电传感器即肌电电极采集各个肌电信号通道的每种动作模式的肌电信号数据并以TXT格式保存到电脑；

步骤S3、选定肌电信号通道数量为m的m通道组合，则对于m个肌电信号通道的选取，总共有n种通道组合，其中，m＝1,…,6；

步骤S4、对每种m通道组合的肌电信号数据进行数据分割，得到若干段肌电信号数据，定义每段肌电信号数据为一个数据窗口，对数据窗口计算绝对均值(MAV)、方差(VAR)、均方根(RMS)、波长(WL)、威尔逊幅值(WAMP)、过零点值(ZC)、样本熵(SE)、自回归系数(AR)、平均频率(MNF)和中值频率(MDF)这10种特征；