[发明专利]一种基于人体肌肉动力学模型和肌电信号的肌力解码方法

权利要求书

1.一种基于人体肌肉动力学模型和肌电信号的肌力解码方法，适用于人体肌肉力的解码和肌肉力的估计，其特征在于：首先，根据骨骼肌收缩模型，建立与肌肉激活程度相关的肌肉时空耦合动力学方程；其次，对肌肉动力学方程进行降维获得最低一阶的肌肉动力学方程，同时基于降维后的肌肉动力学模型，推导出肌电与肌肉力的低维动力学关系；然后，采用实时滤波算法对肌电信号进行采集和滤波；最后采用参数辨识和在线修正算法，获得模型参数并建立基于肌电信号的肌肉力估计模型；一种基于人体肌肉动力学模型和肌电信号的肌力解码方法的具体步骤如下：

第一步，建立肌肉时空耦合动力学方程：

它描述了肌动蛋白和肌球蛋白之间的结合率，同时肌肉的收缩力也是通过肌动蛋白和肌球蛋白细丝彼此之间的滑动产生的，其特征在于通过动力学方程将肌肉力和横桥结合律之间联系在一起，存在时间和空间的耦合：

式中h是肌丝滑移的最大距离，p(x,t)是横桥的结合数量分布函数，其自变量为时间t，和归一化位置x；f(x,t)表示反向(分离)速率函数；g(x,t)表示正向(结合)速率函数，r(t)表示肌肉的激活度函数，v(t)代表肌丝滑移速率，其表达式为：

式中x代表横桥结合点位与肌球蛋白头之间距离x_r的标准化值，其表达式为：

第二步，对第一步中建立的生物学模型进行降维：

采用模型降维算法，对具有时间和空间耦合的肌肉动力学方程进行降维，获得低阶的时空分离的肌肉动力学方程：

式中a(t)表示横桥结合数量分布函数与时间变化相关的变量，u(t)表示肌电信号的输入变量，y(t)表示时空分离的横桥结合数量分布函数，A,B,C分别为系统的参数矩阵；

基于降维后的肌肉动力学模型，结合肌肉生物学结构和肌肉运动关系，推导出肌电信号与宏观肌肉力的低维动力学模型，最终获得骨骼肌宏观力F(t)的模型如下：

其中B为横桥的名义刚度，s(t)为肌小节长度，L表示肌动蛋白结合点位和分离点位之间的距离，Q表示为肌肉横截面积，m为单位体积的肌丝密度，ψ(t)表示横桥结合数量分布函数与空间变化相关的变量，M为降维后模型的阶数，最少可以为1；

第三步，采用实时滤波算法对肌电信号进行采集和滤波：

原始肌电信号中包含大量噪声且，需要对肌电信号进行实时滤波和信号融合处理。首先，将系统模型和测量方程写为如下的通用形式

式中w(t),v(t)分别为过程噪声和测量噪声，w_k～(0,Q_k),v(t)～(0,R_k)

对于该模型采用滤波算法等进行更新，并对N个通道的肌电信号进行融合：

其中ρ_i表示与第i通道相关的肌电信号权重参数，α(t)表示肌电信号；

第四步，降维模型中存在未知参数，需要采集肌电信号所对应的肌肉力，并采用参数辨识算法，对模型参数进行辨识，令损失函数J最小化，实现更加准确的估计结果；

Parameter＝[A₁,...,A_M,B₁,...,B_M,C₁,...,C_M,j_s1,...,j_sM,h,h₂,b,F₀,F_a] (8)

其中F_p为预测的肌肉力，F_t为实际肌肉力，parameter为模型中未知参数，T为实验采样点数。

2.按照权利要求1中第一步所述的肌肉动力学方程，它描述了肌动蛋白和肌球蛋白之间的结合率。同时肌肉的收缩力也是通过肌动蛋白和肌球蛋白细丝彼此之间的滑动产生的。其特征在于通过动力学方程将肌肉力和横桥结合律之间联系在一起，存在时间和空间的耦合，赫胥黎系列的模型以及基于横桥结构建立的动力学模型均有该特点。