[发明专利]一种基于表面肌电信号的机械臂交互方法

说明书

一种基于表面肌电信号的机械臂交互方法，包括以下步骤：步骤(1)受试者仔细观察手势动作的图片，熟悉每个动作的动作要领；步骤(2)受试者依次做出握拳、手腕左翻、手腕右翻、手腕内翻、手腕外翻、手腕下切、手腕上切7种动作；步骤(3)对所采集的表面肌电信号进行预处理并采用5种特征提取方法进行特征提取；步骤(4)对特征提取后的数据采用模式识别分类器进行分类并训练模型；步骤(5)受试者任意做出指定动作，电脑客户端上实时显示识别结果；步骤(6)将分类得到的手势结果通过局域网传输到Baxter机械臂控制端，机械臂做出对应的动作。本发明能够满足实时处理表面肌电信号并与机械臂交互，识别率满足操作要求。

技术领域

本发明涉及一种基于支持向量机的表面肌电信号识别方法，并将信号用于控制机械臂的方法。

背景技术

表面肌电信号(surface electromyography signal，sEMG)是伴随肌肉运动而产生的一种生物电信号。在大脑皮层负责运动的区域产生运动意识时，大脑把这种运动意识以兴奋的形式传导到中枢神经，中枢神经进而沿着神经系统将这种兴奋传导给脊髓中的运动神经元。运动神经元的轴突末梢与多条肌肉仟维在终板区耦合。因此，当运动神经元收到兴奋时，产生的电脉冲由轴突传导到所有肌纤维并引起脉冲序列，这些电脉冲沿着肌纤维向两个方向传播，从而引起肌纤维进行收缩产生肌肉张力，牵引骨骼做出对应动作同时电极间会因为传播过程中的电脉冲在人体软组织中产生的电流场而检测出电位差，即为肌肉运动而产生的表面肌电信号。将表面肌电信号用于和外部设备交互，这种方法直接提取人体的表面肌电信号来传递操控者的动作信息。

模式识别方法的选择同样在很大程度上影响肌电模式识别问题的准确度。已有工作表明支持向量机在肌电模式识别方面有着较优异的性能。Atzori等人发布的NinaPro数据集基准测试结果中，非线性支持向量机是多种线性和非线性分类器中唯一一种能够在变换特征的情况下依然能够持续获得高识别率的分类器。

发明内容

为了克服现有技术的不足，本发明提供了一种基于表面肌电信号的实时手势识别系统，并用于操控机械臂。

为实现上述目的，本发明所提供的技术方案为：

一种基于表面肌电信号的机械臂交互方法，包括以下步骤：

(1)受试者仔细观察手势动作的图片，并预先佩戴交浦科技有限公司的Elonxi16通道肌电采集系统进行练习，以熟悉每个动作的动作要领；

(2)受试者坐在办公椅上，左手放置在扶手上，依次做出握拳、手腕左翻、手腕右翻、手腕内翻、手腕外翻、手腕下切、手腕上切动作，每个动作持续发力5秒，动作与动作之间休息5秒，利用肌电采集袖套采集前臂表面肌电信号数据；

(3)对所采集的表面肌电信号进行预处理并采用5种特征提取方法进行特征提取，分别是均方根RMS、波形长度WL、过零点数ZC、均值频率MNF和自回归模型系数AR；

(4)对特征提取后的数据采用模式识别分类器进行分类并训练模型；

(5)受试者任意做出指定动作，电脑客户端上实时显示识别结果；

(6)将分类得到的手势结果通过局域网传输到Baxter机械臂控制端，机械臂做出对应的动作。

进一步，所述步骤(1)中，肌电采集系统支持最多16个双极通道，采样分辨率为24比特，采样频率介于1000Hz到2000Hz之间，支持干湿电极自由切换，数据传输支持USB和蓝牙。

所述步骤(3)中，对采集的表面肌电信号进行预处理，将超出20-500Hz范围的频率部分和电源线噪声频率50Hz进行抑制。

所述步骤(3)中，均方根RMS的计算公式如下所示，其中，N是滑动窗口的长度，x_i是第i个样本点：