[发明专利]一种肘关节力矩的肌电估计方法及测量装置

说明书

本发明公开了一种肘关节力矩的肌电估计方法及测量装置，涉及人体生物信号处理、上肢康复外骨骼主动控制领域。本发明包括以下步骤：采集训练集，所述训练集包括肌电信号、肘关节角度信号以及关节力矩信号；将所述训练集分别输入到随机森林回归算法模型、果蝇优化算法模型中，所述果蝇优化算法模型输出最优参数，所述随机森林回归算法模型利用所述最优参数构建肘关节力矩估计模型；利用所述肘关节力矩估计模型对肘关节力矩进行在线估计。本发明有效提高了肌电估计的准确性。

技术领域

本发明涉及人体生物信号处理、上肢康复外骨骼主动控制领域，更具体的说是涉及一种肘关节力矩的肌电估计方法及测量装置。

背景技术

骨骼肌带动人体关节进行运动是实现神经系统与外界进行交互的主要方式。肌力估计在上肢康复外骨骼主动控制、人类神经肌肉以及假肢控制等领域具有重要的研究意义。

提取肘关节运动过程中的肌电信号和关节力矩数据，建立肌电信号和关节力矩数据的映射，从而实现基于肌电信号对上肢肘关节力矩的估计。

申请号202111437003.8(一种人体肌电信号直驱关节力矩映射方法)基于hill模型提出一种人体肌电信号直驱关节力矩映射方法，但该方法计算依旧较为复杂且需要参数辨识。申请号201910283322.4(基于人工神经网络智能预测人体关节力矩的方法)、申请号202010830177.X(基于自适应长短时记忆网络的肘关节收缩肌力估计方法)和申请号201910091542.7(一种基于表面肌电和运动信号的膝关节力矩估计方法)都是使用神经网络来建立肌电和关节力矩之间的关系。

现有技术估计准确性有待进一步提高。

发明内容

有鉴于此，本发明提出一种肘关节力矩的肌电估计方法及测量装置，以解决背景技术中的问题。

为了实现上述目的，本发明采用如下技术方案：

一种肘关节力矩的肌电估计方法，提出一种改进果蝇优化-随时森林回归估计(Improved Fruit Fly Optimization Algorithm Random Forest Regression IFOA-RFR)方法，包括以下步骤：

采集训练集，所述训练集包括肌电信号、肘关节角度信号以及关节力矩信号；

将所述训练集分别输入到随机森林回归算法模型、果蝇优化算法模型中，

所述果蝇优化算法模型输出最优参数，所述随机森林回归算法模型利用所述最优参数构建肘关节力矩估计模型；

利用所述肘关节力矩估计模型对肘关节力矩进行在线估计。

可选的，所述随机森林回归算法模型的计算步骤如下：

从训练集中随机抽取m个样本点，得到一个新的子训练集；

用子训练集训练决策树，训练过程中，对每个节点的切分规则是先从所有特征中随机的选择K个特征，并从这K个特征中选择最优的切分点在做左右子树的划分；

进而生成很多个CART回归树模型；

每一个决策树最终的预测结果为该样本点所到叶节点的均值；

随机森林最终的预测结果为所有决策树预测结果的均值。

可选的，所述果蝇优化算法模型的计算步骤如下：

初始化果蝇群体位置；

定义果蝇个体利用嗅觉搜索实物的随机距离和方向；

估计果蝇与原点的距离，再计算味道浓度判定值；

根据味道浓度判定值基于味道浓度判定函数求出果蝇个体位置的味道浓度；