本發(fā)明涉及下肢訓練效果評估領域，具體是指一種基于傳感器的下肢訓練效果評估系統(tǒng)。

背景技術：

1、下肢訓練效果評估具體是指對進行下肢鍛煉進行的一系列評估和測試，下肢訓練效果評估對于確定訓練計劃的有效性、監(jiān)測訓練進度、預防運動傷害以及優(yōu)化運動表現(xiàn)至關重要。然而，評估數(shù)據(jù)存在個體差異性，依靠經(jīng)驗分析下肢訓練效果是不可靠的，會受主觀判斷、知識局限性和個人偏好的影響；根據(jù)肌電信號分析肌肉力量可以更精確地對訓練效果進行評估，肌電信號的變化是一個動態(tài)的過程，特征提取方法必須可以適應這種動態(tài)的過程，并且因個體生理差異而存在不同；肌肉力量與肌電信號之間的關系通常是較為復雜的非線性關系，肌肉在不同的活動水平下，肌電信號的特性也不相同，傳統(tǒng)的分析方法無法自動調(diào)整以適應肌電信號的變化。

技術實現(xiàn)思路

1、針對上述情況，為克服現(xiàn)有技術的缺陷，本發(fā)明提供了一種基于傳感器的下肢訓練效果評估系統(tǒng)，針對評估數(shù)據(jù)存在個體差異性，依靠經(jīng)驗分析下肢訓練效果是不可靠的，會受主觀判斷、知識局限性和個人偏好的影響的技術問題，本發(fā)明構建了一種評估模型對肌電信號進行分析，能夠提供一致的評估效果，減少主觀判斷的影響，提高評估的準確性；針對肌電信號的變化是一個動態(tài)的過程，特征提取方法必須可以適應這種動態(tài)的過程，并且因個體生理差異而存在不同的技術問題，本發(fā)明使用均方根對肌電信號進行跨通道歸一化處理，并從歸一化信號中提取時域特征和相關系數(shù)，確保不同通道的肌電信號具有相似的量級，以便后續(xù)數(shù)據(jù)分析，減少數(shù)據(jù)分析的計算復雜性；針對肌肉力量與肌電信號之間的關系通常是較為復雜的非線性關系，肌肉在不同的活動水平下，肌電信號的特性也不相同，傳統(tǒng)的分析方法無法自動調(diào)整以適應肌電信號的變化的技術問題，本發(fā)明將隨機森林和支持向量機回歸結合起來構建評估模型，對肌電信號的狀態(tài)進行分類后再對肌肉力量進行評估，結合了兩者各自的優(yōu)點，提高評估模型的精確度，并使用遺傳算法對支持向量機回歸模型的參數(shù)進行優(yōu)化，有效減少過擬合的風險，提高了評估模型的泛化能力。

2、本發(fā)明采取的技術方案如下：本發(fā)明提供了一種基于傳感器的下肢訓練效果評估系統(tǒng)，所述一種基于傳感器的下肢訓練效果評估系統(tǒng)包括肌電數(shù)據(jù)采集模塊、肌電信號檢查模塊和肌肉力量評估模塊；

3、所述肌電數(shù)據(jù)采集模塊將表面電極沿肌肉纖維方向貼附在皮膚上，通過導線將表面電極連接到肌電圖儀，記錄肌電信號；

4、所述肌電信號檢查模塊實時監(jiān)控肌電信號，如果存在明顯的噪聲和干擾，則重新采集肌電信號，否則，將肌電信號傳輸至肌肉力量評估模塊；

5、所述肌肉力量評估模塊采用一種肌肉力量評估方法對肌肉力量進行評估，所述一種肌肉力量評估方法具體包括以下步驟：

6、步驟s1：訓練數(shù)據(jù)采集，記錄訓練狀態(tài)，使用肌電圖儀和傳感器采集下肢訓練時的肌電信號和肌肉力量，記為訓練信號和訓練力量，所述訓練信號、訓練狀態(tài)和訓練力量構成訓練數(shù)據(jù)集；

7、步驟s2：數(shù)據(jù)預處理，包括數(shù)據(jù)清洗、數(shù)據(jù)歸一化和特征提取；

8、步驟s3：下肢訓練內(nèi)容分類和力量評估，使用隨機森林和支持向量機回歸構建評估模型，對評估模型進行訓練，輸出預測力量；

9、步驟s4：將肌電信號輸入到訓練完成的評估模型進行分析，得到下肢訓練的力量評估結果。

10、進一步地，步驟s2，數(shù)據(jù)預處理，具體包括以下步驟：

11、步驟s21：數(shù)據(jù)清洗，去除肌電信號的直流分量，依次使用窄帶陷波濾波器過濾和半波整流，得到濾波信號；

12、步驟s22：使用均方根對濾波信號進行跨通道歸一化處理，得到歸一化信號，所用公式如下：

13、；

14、式中，是對第個肌電通道中的濾波信號進行歸一化的函數(shù)，是濾波信號的窗口的大小，是濾波信號的窗口的時間間隔，是窗口內(nèi)的肌電通道，是時刻，是窗口中的第個肌電通道的信號，是時刻第個肌電通道的離散肌電信號；

15、步驟s23：從歸一化信號中提取時域特征和相關系數(shù)，計算歸一化信號的均值絕對值，反映歸一化信號的信號強度，利用離散肌電信號的微分特性，計算歸一化信號的零階功率譜、二階功率譜、四階功率譜和六階功率譜，所用公式如下：

16、；

17、式中，是階功率譜，，是頻率指數(shù)，是頻率指數(shù)為時的離散肌電信號；

18、步驟s24：計算一階平均幅度變化和二階平均幅度變化，表示間接頻率信息，所用公式如下：

19、；

20、式中，是階平均幅度變化的函數(shù)，，是離散肌電信號的變化值；

21、步驟s25：使用對數(shù)函數(shù)對上述均值絕對值、零階功率譜、二階功率譜、四階功率譜、六階功率譜、一階平均幅度變化和二階平均幅度變化進行非線性變換，計算每對肌電通道的相似性強度，并去除相似度高于70%的肌電通道，所用公式如下：

22、；

23、式中，和是兩個不同的肌電通道，是相關系數(shù)函數(shù)，和分別是和的平均值，和分別是時刻的肌電通道值。

24、進一步地，步驟s3，下肢訓練內(nèi)容分類和力量評估，具體包括以下步驟：

25、步驟s31：建立并初始化隨機森林模型，將訓練信號和訓練狀態(tài)輸入到隨機森林模型中進行訓練，隨機森林模型輸出訓練狀態(tài)；

26、步驟s32：建立并初始化支持向量機回歸模型，將訓練信號和訓練力量按訓練狀態(tài)分組后輸入到支持向量機回歸模型中進行訓練，支持向量機回歸模型輸出預測力量，設置高斯半徑基函數(shù)作為支持向量機回歸模型的核函數(shù)，將訓練力量映射到高緯度空間，所用公式如下：

27、；

28、式中，為常數(shù)，是核函數(shù)，是第個訓練信號；

29、步驟s33：計算最優(yōu)回歸函數(shù)，所用公式如下：

30、；

31、式中，是回歸函數(shù)，是最優(yōu)回歸函數(shù)，是權向量，是預先確定的常量參數(shù)，和分別是支持向量機回歸模型輸出的上約束和下約束；

32、步驟s34：定義支持向量機回歸模型的損失函數(shù)，所用公式如下：

33、；

34、式中，是支持向量機回歸模型的損失函數(shù)，是輸入的訓練信號，是輸入的訓練力量，是預測力量，是訓練狀態(tài)；

35、步驟s35：對支持向量機回歸模型進行優(yōu)化，使用遺傳算法對支持向量機回歸模型中的超平面參數(shù)進行優(yōu)化，遺傳算法的目標函數(shù)公式如下：

36、；

37、式中，是遺傳算法的目標函數(shù)，取值范圍是[0，1]，是控制特征個數(shù)和評估精確度關系的權重，是評估精確度，是訓練數(shù)據(jù)集中的樣本總數(shù)。

38、采用上述方案本發(fā)明取得的有益效果如下：

39、（1）針對評估數(shù)據(jù)存在個體差異性，依靠經(jīng)驗分析下肢訓練效果是不可靠的，會受主觀判斷、知識局限性和個人偏好的影響的技術問題，本發(fā)明構建了一種評估模型對肌電信號進行分析，能夠提供一致的評估效果，減少主觀判斷的影響，提高評估的準確性；

40、（2）針對肌電信號的變化是一個動態(tài)的過程，特征提取方法必須可以適應這種動態(tài)的過程，并且因個體生理差異而存在不同的技術問題，本發(fā)明使用均方根對肌電信號進行跨通道歸一化處理，并從歸一化信號中提取時域特征和相關系數(shù)，確保不同通道的肌電信號具有相似的量級，以便后續(xù)數(shù)據(jù)分析，減少數(shù)據(jù)分析的計算復雜性；

41、（3）針對肌肉力量與肌電信號之間的關系通常是較為復雜的非線性關系，肌肉在不同的活動水平下，肌電信號的特性也不相同，傳統(tǒng)的分析方法無法自動調(diào)整以適應肌電信號的變化的技術問題，本發(fā)明將隨機森林和支持向量機回歸結合起來構建評估模型，對肌電信號的狀態(tài)進行分類后再對肌肉力量進行評估，結合了兩者各自的優(yōu)點，提高評估模型的精確度，并使用遺傳算法對支持向量機回歸模型的參數(shù)進行優(yōu)化，有效減少過擬合的風險，提高了評估模型的泛化能力。