[发明专利]基于肌电信号采集的健身动作自识别与报警系统

权利要求书

1.基于肌电信号采集的健身动作自识别与报警系统，其特征在于，包括：

肌电信号采集模块、处理器模块、控制模块和显示模块；

肌电信号采集模块的电极与被测对象受试部位导联进行肌电信号采集，采集的肌电信号传送至处理器模块，处理器模块对肌电信号进行预处理后，提取信号内的特征量，并进行模式识别；

控制模块分别与肌电信号采集模块和处理器模块相连，用于控制肌电信号采集模块和处理器模块的运行；

显示模块与控制模块相连，用于显示控制模块的图形用户界面；

其中，所述处理器模块为STM32F103单片机；

肌电信号采集模块通过外接线与STM32F103单片机的12位ADC相连并进行数据传输，进而处理采集得到的肌电信号；

肌电信号采集模块的电极以AgCl作为感应元件、以水凝胶作为粘性元件；

所述处理器模块对肌电信号进行预处理的步骤为：

S1：进行放大与滤波，消除工频干扰和直流偏置；

S2：识别活动段；

其中，所述识别活动段的方法为：采用固定长度的滑动窗逐一推进并计算活动窗内数据的平均能量值，并选取活动窗口数据内的标准差作为阈值，最后将平均能量值与阈值进行比较，识别活动段；即提取出有效数据的起始和终止时刻；

采用变平均能量法为计算方差法，选取窗口数据内的标准差作为判别的标准量，即阈值；通过给定动作数据预期长度，根据同类动作数据的相似性原理，采用循环降阈值的平均能量法来进行活动段的识别与提取；

所述处理器模块对预处理后的肌电信号进行特征量提取的方法为：

S3：提取5种时域特征量，即过零点数、标准差、肌电积分值、峰值平均、周期数；

S4：提取4种频域特征量，即频带宽度、频带峰值、平均功率谱、功率谱中值频率；

S5：对步骤S3和步骤S4提取的特征量使用最大最小归一化方法进行归一化处理；

所述处理器模块进行模式识别的方法为：

S6：将经过步骤S5处理的特征量与标准化参量进行对比，从而完成识别；

其中，所述标准化参量的获得方法为：

采用MTALAB工具完成不同动作所对应电信号的时域特征量及频域特征量的计算，将多组动作实验后的特征量数据导入BP神经网络训练，获得一个小范围内逼近真实值的上下限值，并以此作为标准化参量；

所述处理器模块进行模式识别的方法还包括：

S7：当识别出肌电信号异常时，处理器模块触发控制模块的报警装置，进行报警。

2.根据权利要求1所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于，所述处理器模块对肌电信号进行预处理的步骤S1中进行信号放大处理的电路采用AD620仪表放大器，其增益公式为:

。

3.根据权利要求1所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于，在步骤S3中，所述过零点数为信号穿越横轴次数的统计；所述标准差为计算信号值偏离平均值的程度；所述肌电积分值为计算探取段内信号绝对值的和；所述峰值平均为先对信号求绝对值再求均值；所述周期数为计算单位时间内肌肉活动的次数。

4.根据权利要求1所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于：

所述过零点数的计算公式为：

ZC=

f(x)=

其中，、为采样点；

所述标准差的计算公式为：

STD=

所述肌电积分值的计算公式为：

IEMG=

其中，是EMG原始数据的N个样本点中的第K个样本数据；

所述峰值平均的计算公式为：

PEAK =

其中，pks为局部最大值（峰值），M为峰值个数；

所述平均功率谱的计算公式满足：

其中，P（t,w）为SEMG的小波变换功率谱密度；

所述中值频率的计算公式为：

MPF（t）= 。

5.根据权利要求1所述的基于肌电信号采集的健身动作自识别与报警系统，其特征在于：所述控制模块为上位机系统，所述上位机系统包括七个功能控制子模块和三个图像显示子模块，七个功能控制子模块分别为：采集数据、导入数据、保存数据、预处理、特征提取、模式识别和退出系统；三个图像显示子模块分别显示：动作肌电图、原始肌电图和频谱估计图；所述显示模块与控制模块相连，所述显示模块的显示屏界面包括七个按键和三个图像显示窗口，七个按键分别为：采集数据、导入数据、保存数据、预处理、特征提取、模式识别和退出系统；三个图像显示窗口分别显示：动作肌电图、原始肌电图和频谱估计图。