[发明专利]一种基于多源信号的人体下肢运动检测及识别方法

说明书

本发明公开了一种基于多源信号的人体下肢运动检测及识别方法，包括以下步骤：通过多源信号传感技术检测方法获取人体下肢运动信息，通过人体下肢运动信息得到人体下肢运动状态；对多源信号进行采集并进行数据预处理，得到用于识别的输入信号；将输入信号分为训练数据和测试数据，分别以SVM分类器和基于SVM的BP神经网络的方法进行训练和检测分类识别，得到识别结果；对识别结果进行准确率输出优化，得到最终识别结果；本发明有效地实现对人体下肢姿态角信号、足底压力信号和腿部多块肌肉表面肌电信号的同时采集，去除信号干扰，输出直观数据反映人体下肢运动状态和实现对人体下肢运动更加准确的识别及预测。

技术领域

本发明涉及多源信号采集检测及识别的研究领域，特别涉及一种基于多源信号的人体下肢运动检测及识别方法。

背景技术

近年来，人机下肢运动协调性问题成为了机器人技术领域最重要的研究问题之一，特别是在下肢外骨骼的应用研究中，它不仅可以为下肢外骨骼的机构设计与优化提供理论指导和技术支持，而且是下肢外骨骼实现辅助行走、负重、康复训练等功能的基础。

为了实现人机下肢运动协调的一致性和协调性，需要对人体运动进行连续检测及识别。目前，常用的数据识别算法是支持向量机(SVM)和人工神经网络(ANN)，其中支持向量机主要用于模式识别，分类错误率小，而人工神经网络具有较强的非线性映射，自学习和容错能力，适用于处理不准确和模糊的信息。

人体下肢运动由许多不同的运动模式构成，如平地行走、跑步、上楼、下楼等，是一个复杂和变化的过程，因此需要利用多种运动力学信息综合表述才可以提高下肢多运动模式识别的准确度。人体下肢运动识别研究常用的方法有图形技术检测、足底压力信号检测及位姿信号检测等方法。但是图形技术检测有价格较为昂贵、不可移动、对外部条件因素要求较高等缺点，而足底压力信号检测及位姿信号检测单一测量时，得到的信号会因外部条件导致误差较大缺点。

随着生物技术的发展，研究人员发现人体的连续运动可以通过脑电图和肌电图等生物信号来预估。sEMG信号是中枢神经系统控制人体肌肉活动时发生的电位变化，它包含大量的肌肉活动信息，并且可以反映肌肉活动的状态。由于肌肉收缩动力学的机电延迟效应，sEMG信号的产生要比力和运动的产生提前约40-100ms，这对于预测运动意图识别和实现实时控制有很重要的意义。此外，sEMG还可以用于检测肌肉疲劳。

但目前对人体步态识别研究应用中，主要是利用图像信息、关节角度、足底压力或者单独以表面肌电信号作为步态识别信息源，这种处理方法比较单一，步态识别结果会有很大误差。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于多源信号的人体下肢运动检测及识别方法，本发明在足底压力信号检测的基础上，加上大腿及小腿处的角度信号检测，并创新增加了下肢的表面肌电信号(sEMG)作为共同的检测数据进行人体下肢运动识别，相较于如今主流的足底压力信号及IMU传感器测试的方法，有效提高人体下肢运动在不同阶段的预测准确性。

本发明的目的通过以下的技术方案实现：

一种基于多源信号的人体下肢运动检测及识别方法，其特征在于，包括以下步骤：

通过多源信号传感技术检测方法获取人体下肢运动信息，通过人体下肢运动信息得到人体下肢运动状态；

对多源信号进行采集并进行数据预处理，得到用于识别的输入信号；

将输入信号分为训练数据和测试数据，分别以SVM分类器和基于SVM的BP神经网络的方法进行训练和检测分类识别，得到识别结果；

对识别结果进行准确率输出优化，得到最终识别结果。

进一步地，所述通过多源信号传感技术检测方法获取人体下肢运动信息，通过人体下肢运动信息得到人体下肢运动状态，具体为：通过SVM算法对多类步态数据进行粗分类，得到SVM粗分类数据，分为周期性活动和非周期性活动。