[发明专利]一种基于肌电信号的上肢肘关节连续运动估计方法

摘要

本发明涉及到一种基于肌电信号的上肢肘关节连续运动估计方法。首先采集人体下肢肘关节在慢速、快速运动模式下肱二头肌、肱三头肌、肱桡肌、肱肌的肌电信号和实时角度，对其进行去噪后利用小波变换将其分解为32尺度，再利用小波系数计算小波相干系数，再将不同肌肉组合的32级小波相干系数作为特征向量输入到最小二乘支持向量机中，最终使用最小二乘支持向量机分类器，利用小波相干系数特征，高精度的估计了上肢肘关节的连续运动。通过表面肌电信号进行连续运动变量的预测，以实现对康复医疗机器人的平滑柔顺控制，具有十分重大的研究意义。

主权项

1.一种基于肌电信号的上肢肘关节连续运动估计方法，其特征在于该方法包括如下步骤：步骤一，获取肘关节连续运动的肌电信号和实时角度数据，即通过肌电采集设备采集人体肘关节运动时相关肌肉的肌电信号，然后对其进行带通滤波处理；步骤二，对滤波处理后的肌电信号进行小波变换；W_x(a,b)是小波系数，x(t)是分析信号，ψ(t)是母小波函数，a是小波尺度，t是局部时间原点。其中使用的小波函数是Morlet小波函数，公式如下：是Morlet小波函数，p是频率参数，σ是控制小波衰减的参数；步骤三，计算小波相干系数；首先定义两个sEMG信号时间序列的交叉小波变换：W_x(a,b)和W_y(a,b)是连续变换，*表示共轭复数；小波相干系数给出如下：|W_xy(a,b)|是交叉小波变换，S(W)是平滑函数；步骤四，将提取到的小波相干系数特征输入到最小二乘支持向量机回归模型中，得到最终预测结果；最小二乘支持向量机回归模型：其中L是训练样本指数，ω是训练样本的权向量,e是误差,c是偏置量,γ是惩罚因子，函数的作用是把低维数据映射到高维数据；上述表达式的具体推导如下：最终得到如下结果：其中K(x,x_k)是核函数，c是偏置量。