[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

说明书

本发明公开了一种基于自适应CPG参数辨识的节律协同特征刻画方法，涉及人体运动分析技术领域，包括以下步骤：步骤一，以人体的生理组织结构为对象，建立人体运动简化模型和节律运动样本数据库；步骤二，采用插值的方式实现关节角度数据扩充，并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间相位耦合分布规律的量化计算，实现人体节律运动协同特征的刻画；步骤四，设计关节单元CPG参数辨识模型，实现人体节律运动的各个主要关节的CPG参数辨识，准确刻画了关节节律转动特征。本发明解决了人体节律运动中多关节、多肢体节律协同特征难以刻画的问题，实现对人体节律运动的整体的节律协同特征的有效提取和刻画。

技术领域

本发明涉及人体运动分析技术领域，尤其是一种基于自适应CPG参数辨识的节律协同特征刻画方法。

背景技术

近年来，人体运动协同机理的研究得到了国内外研究学者的广泛关注，已成为多个领域的研究热点。目前，人体运动的研究主要涉及神经层面、肌肉层面和运动学层面三个方向，相较于神经系统和肌电信号的研究，运动学层面分析手段因其数据采集准确、实验便捷，长期以来都是研究人体运动协同的重要手段。已有的协同运动研究中的研究目标大多是局部肢体的简单动作，虽然在细分领域内能取得较好的结果，但难以概括人体运动的整体协同机理。复杂性和多变性是人体运动的功能特性，人体在进行多种协同运动状态之间的切换、变迁时，仅依靠现有的分析方法难以实现对多关节、多肢体控制过程中的节律协同特征的有效提取和准确刻画，如何有效提取并刻画人体节律协同运动中的运动基元，并针对其复杂的节律协同特性进行刻画一直以来都是难点。研究人体运动的节律协同特征，在人体科学、康复训练指导、运动技能指导、仿生机器人控制等领域具有重要意义。因此，针对人体节律运动的研究迫切需要一种具有较强实用性的节律协同特征刻画方法。

发明内容

本发明需要解决的技术问题是提供一种基于自适应CPG参数辨识的节律协同特征刻画方法，解决人体节律运动中多关节、多肢体节律协同特征难以刻画的问题，实现对人体节律运动的整体的节律协同特征的有效提取和刻画。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于自适应CPG参数辨识的节律协同特征刻画方法，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，通过对节律协同运动中的关节相位进行计算分析，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。

本发明技术方案的进一步改进在于：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。

本发明技术方案的进一步改进在于：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。