[发明专利]基于肌音信号的人体上肢功能康复训练实现方法

权利要求书

1.一种基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，将MMG肌音信号传感器固定在人体上肢肱二头肌的表皮处，将肌音信号转化为电压信号，经由前置放大电路将信号放大到伏特级别输出，输出信号通过有源低通有源滤波电路滤掉信号中含有的高频部分后，经过A/D转换模块进行数模转换，将模拟肌音信号转换成肌音数字信号，数字信号采集模块采集肌音数字信号导入PC机，通过PC机内数字信号处理软件对肌音信号进行特征提取，再通过PC机内的模式识别模块对所提取的肌音信号特征进行动作模式分类，最后输出控制信号控制虚拟现实反馈模块进行虚拟环境中3D上肢的动作反馈，调整训练动作方式。

2.根据权利要求1所述基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，所述MMG信号传感器采用压电材料原理的肌振传感器；所述前置预处理电路选用LM324放大器；所述有源低通滤波电路选用巴特沃兹低通有源滤波器，截止频率设定为100Hz；所述A/D转化模块以及数字信号采集模块选用NI-PCI6221数据采集卡；数字信号处理和特征提取模块以及动作模式识别模块为基于PC机上的Matlab软件工作环境；虚拟现实环境中的人体上肢模型建模以及界面动画反馈选用多体动力学仿真分析软件Adams。

3.根据权利要求1所述基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，所述PC机内数字信号处理软件对肌音信号进行特征提取的方法，分别从MMG信号中提取时域，频域和时频域的数字特征，具体方法如下：

1）MMG肌音信号时域特征均方根计算采用的方法：对上肢肱二头肌肌肉收缩运动时采集到的数字MMG信号，以1024个采样点为一组，进行分组，取加权平均，如果用                                               表示第组采样点的MMG信号时域序列， 表示求均值后的第组采样点的均方根值：

 

对于采样序列尾部的可能不满1024个采样点，直接用其前一组采样点的均值，代替最后一组MMG信号均方根；

2）MMG肌音信号频域特征中值频率的计算方法：

如果数字肌音信号序列为，其自相关序列为则：

通过自相关函数法求的的功率谱密度估计为满足：

其中为采样时间间隔，可选取为500Hz，进而求的MMG肌音信号频域特征中值频率MPF为：

3）MMG肌音信号AR自回归模型特征参数A矩阵的计算方法：Yule-Walker法，又称为自相关方法，是从随机信号序列的自相关序列计算中指出一定阶数的AR模型参数，Yule-Walker方程的求解可以通过递推算法Levinson-Durbin来实现，具体求解如下矩阵方程：

其中,…, 是自回归模型，,…, 为相关系数，称为Toeplitz自相关阵，因此只要知道信号的自相关系数就可以求得各个系数。

4.根据权利要求1所述基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，所述通过PC机内的调用模式识别模块对所提取的肌音信号特征进行动作模式分类，动作模式分类采用线性分类器方法，方法如下：设是样本空间中的特征向量，，是向量通过变换得到的标量，则它是一维的，对于给定的，就是判决函数的值；令，那么就是在方向上的投影；使样本投影后最容易区分开的方向正是区分超平面的法线方向；因此在使用线性分类器时，共有共5种动作，需要4个判别函数，若第一个判别函数是区别的则定义：

                         

若则属于类，若则属于类，以此类推。