[发明专利]一种基于自适应CPG参数辨识的节律协同特征刻画方法

权利要求书

1.一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：包括以下步骤：

步骤一，以人体的生理组织结构为对象，构建三维人体节律运动简化模型，并基于该模型获取人体节律运动矢状面内的关节角度变化数据，建立人体节律运动样本数据库；

步骤二，首先通过抽取关键帧的方式完成完整关节角度周期信号的截取，并采用插值的方式完成关节角度数据扩充，然后对扩充后的关节角度数据进行标准化处理；

步骤三，通过对节律运动中的关节相位分布计算，实现人体节律运动中关节之间相位耦合分布规律的量化，进而实现人体节律运动协同特征的刻画；

步骤四，基于Dynamic Hebbian Learning算法改进的自适应Hopf振荡器，设计关节单元CPG参数辨识模型，使得关节单元CPG的输出信号与实际关节运动一致，实现人体节律运动的各个主要关节的CPG参数辨识。

2.根据权利要求1所述的一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：在所述的步骤一中，人体仿生结构简化模型包括5条运动链，5条运动链包括头、脊柱、肩、肘、髋、膝、踝处的关节，基于该结构模型，采用运动捕捉系统对人体节律运动的关节角度数据进行采集，建立人体节律运动样本数据库。

3.根据权利要求1所述的一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：在所述的步骤二中，通过抽取关键帧的方式实现对完整且稳定的关节角度周期信号的截取，截取得到的关节数据记为a：

a＝[x₁,x₂,…,x_n]

其中x₁,…x_n为关节角度数据。

4.根据权利要求3所述的一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：在所述的步骤二中，采用插值的方式实现关节角度数据扩充，并建立人体节律运动样本数据库，扩充后的数据记为A：

A＝[x₁,y₁₁,…,y_1m,x₂,…,y_i1,…y_im,x_n],(i＝1,2,…n-1)

其中，y₁₁,…,y_1m,…,y_i1,…y_im(i＝1,2,…,n-1)为扩充数据。

5.根据权利要求4所述的一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：在所述的步骤二中，对扩充后的关节角度数据进行标准化处理，标准化处理后的关节角度数据记为A′，表示为：

其中，为关节数据A的平均值。

6.根据权利要求5所述的一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：在所述的步骤三中，选取右侧髋关节向前屈曲摆动时刻作为节律运动周期的起点，并将其设立为基准相位点，计算其他关节动作的相位延迟。

7.根据权利要求6所述的一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：在所述的步骤三中，其余关节相对于相位基准点的相位延迟计算公式为：

其中，t₀为右髋关节进行屈曲运动的起始时刻，即基准相位零点，t_i为其他关节进行动作特征点相对于相位基准点的迟滞时长，T为单个节律运动周期，为各关节相对于相位基准点的迟滞时长在运动周期中的时间占比，即相对相位差。

8.根据权利要求1所述的一种基于自适应CPG参数辨识的节律协同特征刻画方法，其特征在于：在所述的步骤四中，在关节单元CPG参数辨识模型中通过构建若干个自适应CPG运动神经元间的协同连接关系，实现局部关节单元节律转动的自适应参数辨识。