[发明专利]一种基于sEMG信号的外骨骼关节角度预测方法及系统

权利要求书

1.一种基于sEMG信号的外骨骼关节角度预测方法，其特征在于，包括以下步骤：

获取外骨骼关节的sEMG肌电信号，并对采集的外骨骼关节sEMG肌电信号进行信号放大处理；

采用EMD和小波联合去噪的方式对外骨骼关节sEMG肌电信号进行滤波处理；

对经过滤波处理的外骨骼关节sEMG肌电信号采用移动窗单门限多阈值方法进行信号分割，获取起始和结束位置；

采用基于动态相关性和冗余性分析的前向特征选择方法，提取外骨骼关节sEMG信号的特征参数；

将获得的特征参数输入BP神经网络进行训练和学习，并采用贝叶斯滤波方法融合多类信号之间产生的协同信息，得到关节角度值预测结果。

2.根据权利要求1所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，所述采用EMD和小波联合去噪的方式对外骨骼关节sEMG肌电信号进行滤波处理，具体包括：

步骤1：采用EMD法对带噪信号进行分解，得到IMF分量；

步骤2：通过计算每一个IMF分量与带噪信号的相关性，确定每一个IMF分量中是否包含信息数据；

步骤3：找到信号模态和噪声模态之间的分界点k；

步骤4：使用小波阈值降噪算法进行降噪处理，对原信号进行N层小波变换，得到对应的小波轮廓系数和小波系数，对小波轮廓系数和小波系数进行阈值处理，得到硬阈值和软阈值；

步骤5：对小波系数进行稀疏化处理，利用小波轮廓系数和小波系数进行信号重构。

3.根据权利要求1所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，对经过滤波处理的外骨骼关节sEMG肌电信号采用移动窗单门限多阈值方法进行信号分割，获取起始和结束位置，具体包括：

移动窗：指的是以固定窗口大小往某个方向移动，计算范围限制在这个窗口内；阈值，即一个划分正常与异常的界限，可以是一个确定的点，也可以是一个范围内，当采集值超过了这个界限，既把这个采集点作为异常点；在一个窗口内，当异常点的个数达到一定数量，个数根据具体的监控指标业务经验来配置，就在这个窗口期产生一个原始告警。

4.根据权利要求3所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，所述采用基于动态相关性和冗余性分析的前向特征选择方法，提取外骨骼关节sEMG信号的特征参数，具体包括：

所述前向特征选择方法DRFFS是一种filter和wrapper混合的算法，首先通过多filter算法分数融合的方式来衡量特征与类标间的总体相关性；之后在分数融合的基础上，结合候选特征与已选子集的冗余性动态地改变候选属性的互补性,并运用基于排序的前向搜索策略选择最终的特征子集；通过特征组和遗传算法结合的方式,加速了问题求解的速度,并提高了解空间的质量。

5.根据权利要求3所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，所述BPNN网络包含输入层、隐含层、输出层三层结构，输入层接收数据，输出层输出数据，前一层神经元连接到下一层神经元，收集上一层神经元传递来的信息，经过“激活”把值传递给下一层。

6.根据权利要求5所述的基于sEMG信号的外骨骼关节角度预测方法，其特征在于，所述隐藏层包含20个节点，其中有8个特征经过放大、滤波、分段后，从分段后的sEMG信号中提取输入，输出层由单个节点(相位)组成；最后，通过低秩方法将肌电生物信号与力、位置在内的物理反馈信号进行稀疏化处理，剔除冗余信息并保留生物信号的快速、准确性与物理信号的持续、鲁棒性。