[发明专利]一种面对智能下肢假肢的人体运动意图预知识别方法

权利要求书

1.一种面对智能下肢假肢的人体运动意图预知识别方法，其特征在于，所述方法通过建立意图识别数据库并将数据嵌入假肢或绑定在健侧，当佩戴假肢的患侧的运动模式转换之前，根据嵌入假肢或绑定在健侧的传感器产生的时序数据，对残疾人患者的运动意图进行准确地预知识别。

2.根据权利要求1所述的方法，其特征在于，所述方法包括：

S1：意图识别数据采集并建立数据库:受试者穿戴惯性传感器，按照预先定义好的迈步顺序运动，收集其运动数据并建立数据库；

S2：意图识别数据预处理：对采集到的数据进行去噪，以及异常数据去除和修补；

S3：意图识别数据特征提取：选择能区分不同类别运动的特征属性，并提取样本数据特征；

S4：分类模型选择与模型训练，选择合适的分类模型进行训练；

S5：完成意图识别，成功识别出运动意图。

3.根据权利要求2所述的方法，其特征在于，所述S1具体包括：

S11：选择2n名受试者，男女比例相等，其中n为正整数，每个健康的受试者在模拟患侧和模拟健侧的大腿与小腿以及脚踝处分别穿戴惯性传感器，所述惯性传感器能够记录人体运动时每个时刻的加速度和角速度运动学信息，并随时间累计产生多数据通道的时序数据，数据按照传感器的结构，逐帧保存在文件中；

S12：按照预先定义好的交替迈步顺序，依次模拟残疾人稳态步态行为和转换步态行为，所述稳态步态行为包括平地行走，上楼，下楼，上坡和下坡，所述转换步态行为包括平地行走向上坡转换、平地行走向下坡转换、平地行走向上楼转换、平地行走向下楼转换、上坡向平地行走转换、下坡向平地行走转换、上楼向平地行走转换和下楼向平地行走转换；

S13：对惯性传感器产生的意图识别数据进行记录与归类，并转换成能够被数据分析软件直接读取的数据文件，每个受试者的意图识别数据分开记录保存，且每个不同的步态行为需要标上相应的标签，用于后续的意图识别算法进行有监督的学习与分类。

4.根据权利要求3所述的方法，其特征在于，所述S2具体包括：

S21：对原始数据进行去噪处理，对异常数据进行剔除，对缺失数据进行修补；

S22：以每一个脚步从离地开始到触地，先将长序列切成一小步一小步，然后再在一小步里面加窗切割成45帧的窗口；

S23：对切割后的数据进行加窗处理，使所有样本数据窗口大小相等，所述样本中运用的数据是从脚离地开始往后的45帧数据，所有数据的窗口都是相等的，窗口长度选取的是45帧，长度是极小的，而且每45帧为1/4个步态周期，时间为从一只脚离地开始，摆动的一段时间，脚尖还没有触地，所述加窗处理具体为使得所有数据都是从脚离地开始往后的45帧数据；

S24：在在切割好以后的窗口内的数据中再提取所需的数据。。

5.根据权利要求4所述的方法，其特征在于，在S24中对于转换行为，均提取转换步的样本数据，所述转换步为从前一个模式转换到后一个模式，同一侧脚离地到脚触地的过程；对于稳态行为，均提取对应的同一只脚从离地开始到下一次触地的数据。

6.根据权利要求5所述的方法，其特征在于，所述S3具体包括：

S31：对于转换行为，提取转换步的时候处于摆动相那只腿的数据，对于稳态行为，提取同一只脚的摆动相的相同数据，确保所有数据在传感器位置，窗口长度均一致；

S32：提取数据特征过程中，两条腿交替迈出，在一个步态周期中，每条腿都经历两个阶段，分别为支撑阶段和摆动阶段，其中一只腿处于支撑阶段，另一只腿处于摆动阶段，在S24切割好的数据中，选取处于摆动期的大腿、小腿以及脚踝三个传感器，并分别提取三个传感器采集到的数据的均值、方差和极值。

7.根据权利要求2所述的方法，其特征在于，所述S4包括：

S41：选择支持向量机进行分类；

S42：采用以径向基函数作为核函数的SVM，对意图识别数据所提取的特征进行分类；

S43：结合网格搜索法与K折交叉验证法选取S42中SVM的最优参数，防止过拟合或欠拟合现象的发生，以此得到最优的分类模型。