[发明专利]基于复杂网络的肌电信号采集位置选取方法

摘要

本发明涉及基于复杂网络的肌电信号采集位置选取方法，其特征在于包括如下步骤：采集肌电信号；计算各肌电信号采集点连接关系，对步骤S1采集到的肌电信号进行预处理，计算n个肌电信号采集点之间的连接关系，构建复杂网络模型；分析网络特性，计算不同运动模式下的节点特性指标；确定肌电信号采集位置。本发明利用复杂网络分析下肢表面肌电信号，可以深入地分析各肌肉在下肢运动过程中的协调配合关系，与以前选择肌电信号幅值比较大的采集位置选取方法相比，可以确定与不同运动模式关系更紧密的肌群和电极放置位置，为肌电控制下肢康复辅具过程中的肌电选择提供理论依据。

主权项

1.一种基于复杂网络的肌电信号采集位置选取方法，包括以下步骤：步骤S1：采集肌电信号，选取与运动相关的n个肌电信号采集点，采集M种运动模式的一个运动过程的肌电信号，步骤S2：计算各肌电信号采集点连接关系，对步骤S1采集到的肌电信号进行预处理，计算n个肌电信号采集点之间的连接关系，具体步骤如下：步骤S21：选取肌电信号采集点a的EMG样本数据,采用移动时间窗进行处理，将其分为w个时间窗格；步骤S22：选取第g＝1种运动模式的肌电信号，进行预处理；步骤S23：选择肌电信号采集点a的EMG样本数据的第t个时间窗格，t＝1,2,…,w，设第t个时间窗格内的h个EMG样本数据为xat＝{xat(1)，xat(2)，…，xat(h)}，计算xat的时域特征值和频域特征值，共l个特征值，分别为Yat(1)，…，Yat(l)，由特征值Yat(1)，…，Yat(l)组成第t个时间窗格的特征向量Tat：Tat＝[Yat(1)，Yat(2)，…，Yat(l)] (11)步骤S24：以步骤S23得到的第t个时间窗格的特征向量Tat为行向量，w个时间窗格的特征向量构建得到w×l的矩阵Ta：Ta＝[Ta1，Ta2，…Taw]T (12)步骤S25：对步骤S24得到的矩阵Ta进行归一化处理，得到Ta'：T′a＝[T′a1，T′a2，…，T′aw]T (13)步骤S26：归一化之后，各肌电信号采集点a对应的第p个特征值为Ta'(p)，所有肌电信号采集点第p个特征值的构成一个w×n的特征矩阵Mp，其中p＝1，2，…，l，共构成l个特征矩阵；Mp＝[T′1(p)，T′2(p)，…，T′n(p)] (14)步骤S27：根据式(15)计算特征矩阵Mp的任意两列向量间的Pearson系数Cpij： C p i j = Σ t = 1 w { [ M p i ( t ) - < M p i > ] * [ M p j ( t ) - < M p j > ] } Σ t = 1 w [ M p i ( t ) - < M p i > ] 2 *

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河北工业大学，未经河北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201610172001.3/，转载请声明来源钻瓜专利网。