[发明专利]一种基于肌电信号的上肢肘关节角度估计方法及系统

说明书

本发明公开了一种基于肌电信号的上肢肘关节角度估计方法及系统，涉及模式识别领域。本发明包括以下步骤：采集肌电信号以及肌电信号对应的肘关节运动角度；对肌电信号进行预处理，并提取肌电信号的特征；将肌电信号的特征以及肘关节运动角度作为样本数据输入到IACO‑GRNN网络中；多次迭代，利用改进的蚁群算法找出最优光滑因子，获得IACO‑GRNN模型；将待检测肌电信号输入到IACO‑GRNN模型，得到对应的上肢肘关节角度。本发明提取肘关节运动过程中的肌电信号和关节运动角度数据，建立肌电信号和角度数据的映射，从而实现基于肌电信号对上肢肘关节运动的估计。

技术领域

本发明涉及模式识别领域，更具体的说是涉及一种基于肌电信号的上肢肘关节角度估计方法及系统。

背景技术

偏瘫是一种由神经损伤引起的运动功能障碍。偏瘫患者的临床治疗主要是由康复治疗师指导下，一对一的康复治疗。这种方式费时，成本高。因此，迫切需要一种新的、高效的康复疗法来弥补传统康复训练的不足。康复外骨骼机器人将机器人技术与康复医学结合，可以使康复治疗师摆脱主要的体力劳动，并为病人制定更好的康复方案，提高康复效果。

康复训练有主动和被动两种。研究表明，主动康复比被动康复具有更有效的康复效果。因此，提取患者运动意图，并融入到康复外骨骼机器人中，是一种有效提高患者主观能动性，进而实现更高效康复效果的方法。

肌电信号是肌肉运动和神经运动的综合结果。表面肌电信号(sEMG)包含了丰富的人体运动信息，这些信息包括关节运动的动作模式、动作大小等，且其采集过程对人体是方便无害的。

提取肘关节运动过程中的肌电信号和关节运动角度数据，建立肌电信号和角度数据的映射，从而实现基于肌电信号对上肢肘关节运动的估计。现有的基于肌电信号估计上肢肘关节的研究中，大多采用SVR、神经网络、状态空间隐马尔可夫、随机森林、XGBOOST等回归方法。但估计的准确性有待进一步提高。

发明内容

有鉴于此，本发明提供了一种基于肌电信号的上肢肘关节角度估计方法及系统，提取肘关节运动过程中的肌电信号和关节运动角度数据，建立肌电信号和角度数据的映射，从而实现基于肌电信号对上肢肘关节运动的估计。

为了实现上述目的，本发明采用如下技术方案：

公开了一种基于肌电信号的上肢肘关节角度估计方法，其特征在于，包括以下步骤：

采集肌电信号以及肌电信号对应的肘关节运动角度；

对肌电信号进行预处理，并提取肌电信号的特征；

将肌电信号的特征以及肘关节运动角度作为样本数据输入到IACO-GRNN网络中；

多次迭代，利用改进的蚁群算法找出最优光滑因子，获得IACO-GRNN模型；

将待检测肌电信号输入到IACO-GRNN模型，得到对应的上肢肘关节角度。

可选的，利用改进的蚁群算法找出最优光滑因子，具体步骤如下：

S1：调用GRNN，并导入样本数据；初始化蚁群优化算法参数；

S2：将蚂蚁置于起点，开始迭代；

S3：判断蚂蚁是否到达目标点，若是，则停止搜索，迭代结束；

否则跳转到S2，直到到达目标点；

S4：在所有蚂蚁到达目标点后，结束迭代，记下所有蚂蚁的路线长度，选取最短路径；

S5：判断最短路径的迭代次数是否达到最大迭代次数，若是，则输出最优光滑因子；若否，则跳转到S2，继续迭代，直到达到最大迭代次数。

可选的，将广义回归模型的测试数据的RMSE作为蚁群算法的适应度函数，计算路径值，RMSE计算公式如下：