一種基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法
【專利摘要】本發(fā)明提出一種基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法。本發(fā)明首先根據(jù)肌電信號(hào)量化肌肉協(xié)同理論模型，利用非負(fù)矩陣分解算法對(duì)肌電信號(hào)進(jìn)行解耦，提取獨(dú)立動(dòng)作的協(xié)同元；其次根據(jù)非負(fù)最小二乘算法計(jì)算相應(yīng)協(xié)同元激活系數(shù)。最后，通過支持向量回歸構(gòu)建了映射激活系數(shù)到關(guān)節(jié)角度的激活模型，利用建立的激活模型從采集的表面肌電信號(hào)得到關(guān)節(jié)運(yùn)動(dòng)的連續(xù)估計(jì)。對(duì)四個(gè)關(guān)節(jié)獨(dú)立和組合運(yùn)動(dòng)的估計(jì)實(shí)驗(yàn)表明，該模型能獲得較高的估計(jì)精度。
【專利說明】
-種基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及肌電信號(hào)的處理與支持向量回歸方法，特別設(shè)及基于肌肉協(xié)同理論的 肌電信號(hào)處理方法。
【背景技術(shù)】
[0002] 表面肌電信號(hào)（surface electromyogra地y，sEMG)是肌肉收縮時(shí)所產(chǎn)生的動(dòng)作電 位在皮膚表面疊加而成，與肢體的運(yùn)動(dòng)直接相關(guān)。由于sEMG具有采集方便和蘊(yùn)含信息豐富 等特點(diǎn)，作為控制信號(hào)源被廣泛應(yīng)用于智能假肢、康復(fù)機(jī)器人等領(lǐng)域。
[0003] 目前肌電假手控制研究中采用的主要是基于模式分類的方法，通過對(duì)sEMG進(jìn)行特 征提取和構(gòu)建分類器來(lái)識(shí)別肢體動(dòng)作，能夠得到較高的識(shí)別準(zhǔn)確率和不錯(cuò)的應(yīng)用效果。但 是基于模式分類的方法只能識(shí)別獨(dú)立的離散動(dòng)作，而且識(shí)別的類別越多，準(zhǔn)確率越低，同時(shí) 也無(wú)法使控制對(duì)象像人一樣連續(xù)自如地完成動(dòng)作。因此，利用sEMG連續(xù)估計(jì)肢體運(yùn)動(dòng)狀態(tài) 成為肌電假手控制方法研究的新熱點(diǎn)。目前主要有兩種途徑可W實(shí)現(xiàn)sEMG連續(xù)估計(jì)肢體運(yùn) 動(dòng)狀態(tài)：1)是結(jié)合肌肉生理模型建立WsEMG為輸入，估計(jì)關(guān)節(jié)力矩/角加速度實(shí)現(xiàn)比例控 審IJ。該方法可W解釋運(yùn)動(dòng)產(chǎn)生的過程，但是模型構(gòu)建方法復(fù)雜，需要測(cè)量比較多的人體參 數(shù)。2)是利用神經(jīng)網(wǎng)絡(luò)直接建立sEMG時(shí)域特征和關(guān)節(jié)運(yùn)動(dòng)的回歸模型，可W連續(xù)輸出各個(gè) 關(guān)節(jié)的運(yùn)動(dòng)軌跡。但是神經(jīng)網(wǎng)絡(luò)回歸模型存在過分依賴學(xué)習(xí)樣本的問題，當(dāng)測(cè)試樣本和學(xué) 習(xí)樣本有差異時(shí)，預(yù)測(cè)值波動(dòng)較大。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是根據(jù)肌肉協(xié)同理論在描述運(yùn)動(dòng)意圖方面優(yōu)勢(shì)的基礎(chǔ)上，針對(duì)手部 開/合，腕關(guān)節(jié)背屈/掌屈、榜屈/尺屈、內(nèi)旋/外旋共四個(gè)自由度運(yùn)動(dòng)的連續(xù)估計(jì)，探究關(guān)節(jié) 角度與肌肉協(xié)同激活系數(shù)之間的聯(lián)系，結(jié)合支持向量回歸(SVR)算法，建立肌肉協(xié)同激活模 型，通過提取sEMG的激活系數(shù)來(lái)同步估計(jì)各關(guān)節(jié)運(yùn)動(dòng)角度從而同步連續(xù)控制假手。
[0005] -種基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法，其特征在于該方法 包括W下步驟：
[0006] 步驟一，肌電信號(hào)的采集
[0007] 針對(duì)手部開/合，腕關(guān)節(jié)背屈/掌屈、榜屈/尺屈、內(nèi)旋/外旋四個(gè)自由度運(yùn)動(dòng)的連續(xù) 估計(jì)，肌電信號(hào)（sEMG)的采集分為訓(xùn)練階段和估計(jì)階段的采集。其中訓(xùn)練階段sEMG數(shù)據(jù)集 來(lái)源于獨(dú)立動(dòng)作和組合動(dòng)作產(chǎn)生的肌電信號(hào)，其中獨(dú)立動(dòng)作指每個(gè)自由度的獨(dú)立動(dòng)作詳見 于表1，組合動(dòng)作是指兩個(gè)不同自由度動(dòng)作組合的同步運(yùn)動(dòng)。估計(jì)階段的sEMG數(shù)據(jù)是實(shí)時(shí)在 線手部動(dòng)作產(chǎn)生的肌電信號(hào)。
[0008] 肌電電極的放置:在靠近肘關(guān)節(jié)的前臂長(zhǎng)度處，沿手臂圓周均勻粘貼8個(gè)表面 肌電電極，電極方向與肌肉纖維方向平行。
[0009] 表1獨(dú)立動(dòng)作列表
[0010]
[0011] 步驟二，計(jì)算協(xié)同元矩陣
[0012] ( - )計(jì)算肌肉激活水平
[0013] 首先對(duì)采集的訓(xùn)練階段獨(dú)立動(dòng)作產(chǎn)生的sEMG進(jìn)行去基準(zhǔn)處理，也就是減去肌肉放 松狀態(tài)下的肌電信號(hào)的均值。接著對(duì)去基準(zhǔn)后的sEMG進(jìn)行全波整流和低通濾波處理，對(duì)處 理后的sEMG計(jì)算均方根(RMS)特征，最后利用每個(gè)通道特征的最大值對(duì)每個(gè)通道特征進(jìn)行 歸一化處理得到肌肉激活水平矩陣f(E)NXT，其中N為肌電信號(hào)通道個(gè)數(shù)，T為樣本的時(shí)間序 列長(zhǎng)度。
[0014] (二)建立肌肉協(xié)同模型
[0015] 根據(jù)肌肉協(xié)同理論，肌肉的激活水平表示為肌肉協(xié)同元和激活系數(shù)的線性組合：
[0016]
[0017]即對(duì)給定肌肉激活水平矩陣f(E)NXT，可W分解為協(xié)同元矩陣Wnxk和激活系數(shù)矩陣 化XT，其中N為肌電信號(hào)通道個(gè)數(shù)，T為樣本的時(shí)間序列長(zhǎng)度，K為肌肉協(xié)同元的個(gè)數(shù)，Wi是一 個(gè)大小為NX 1維的向量，即為一個(gè)協(xié)同元，出為第i個(gè)協(xié)同元的激活系數(shù)序列。
[001引通過非負(fù)矩陣分解算法(NMF)計(jì)算協(xié)同元矩陣轉(zhuǎn)化成如下的優(yōu)化問題：
[0019]
[0020] s.t.fXE)NXT>0，WNXK>0，HKXT>0
[00川其中II表示Frobenius范數(shù)。目標(biāo)函數(shù)對(duì)于矩陣Wnxk和化XT都是非凸的，按照下式 的乘法迭代規(guī)則交替優(yōu)化可W保證算法的非負(fù)性，最終求得一個(gè)最優(yōu)解。
[0024] (Ξ)計(jì)算協(xié)同元矩陣
[0025] 對(duì)于每一個(gè)獨(dú)立的動(dòng)作分別都有且只有一個(gè)協(xié)同元作用，當(dāng)某個(gè)獨(dú)立動(dòng)作對(duì)應(yīng) 的協(xié)同元激活時(shí)，其余動(dòng)作的協(xié)同元的激活系數(shù)值為0,對(duì)每個(gè)獨(dú)立動(dòng)作產(chǎn)生的肌肉激活水 平分別用NMF算法矩陣分解得到獨(dú)立動(dòng)作協(xié)同元Wi，并分別用Wi中的最大值來(lái)歸一化該協(xié)同 J L· 〇
[0026] 手部關(guān)節(jié)有8個(gè)獨(dú)立的動(dòng)作，故共有8個(gè)協(xié)同元作用，目化為8。8個(gè)獨(dú)立動(dòng)作協(xié)同元 可W組合得到協(xié)同元矩陣：
[0027] Wnxk=[Wf We Wr Wu Wp Ws Wc Wo]
[002引其中獨(dú)立動(dòng)作協(xié)同元Wi對(duì)應(yīng)到表1中獨(dú)力動(dòng)作巧化，i = F，…，0。
[0029] 步驟立，提取激活系數(shù)
[0030] 首先參照步驟二中計(jì)算肌肉激活水平的處理方法從sEMG中計(jì)算肌肉激活水平矩 陣f化)NXT，利用步驟二中計(jì)算的協(xié)同元矩陣Wnxk，反過來(lái)求激活系數(shù)矩陣化XT;采用非負(fù)最 小二乘算法(NNLS)來(lái)提取激活系數(shù)，即求解如下模型：
[0031]
[0032] s.t.fXE)NXT>0，WNXK>0，HKXT>0
[0033] 步驟四，肌肉協(xié)同激活模型的訓(xùn)練和估計(jì)
[0034] 選用支持向量回歸算法（suppo;rt vector regression,SVR)將激活系數(shù)映射到關(guān) 節(jié)角度。支持向量回歸算法是在統(tǒng)計(jì)學(xué)理論的基礎(chǔ)上，通過結(jié)構(gòu)風(fēng)險(xiǎn)最小化的學(xué)習(xí)方法，使 其具有更強(qiáng)逼近能力和泛化能力。SVR算法的基本思想是:對(duì)給定的訓(xùn)練樣本集Kxi，yi)，i = 1,2, ···]!}，其中XiG Rn為輸入向量，yi e R為目標(biāo)值，運(yùn)用支持向量機(jī)學(xué)習(xí)算法建立兩者之 間的關(guān)系得到回歸函數(shù)。首先通過非線性變換Φ將輸入向量X映射到高維特征空間Z，然后 在運(yùn)個(gè)空間完成線性回歸，即
[0035] f(x)=w4)(x)+b
[0036] 基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法分為訓(xùn)練階段和估計(jì)階段。
[0037] 在訓(xùn)練階段，采集sEMG訓(xùn)練數(shù)據(jù)集和對(duì)應(yīng)關(guān)節(jié)的角度，其中sEMG訓(xùn)練數(shù)據(jù)采集參 照步驟一，同時(shí)采用Ξ維動(dòng)作捕捉系統(tǒng)同時(shí)采集手部關(guān)節(jié)的四個(gè)自由度方向的運(yùn)動(dòng)角度； 按照步驟二計(jì)算出協(xié)同矩陣Wnxk，然后從獨(dú)立動(dòng)作和組合動(dòng)作產(chǎn)生的sEMG訓(xùn)練數(shù)據(jù)集中按 照步驟Ξ計(jì)算出激活系數(shù)化XT，并對(duì)激活系數(shù)利用每個(gè)通道的最大值進(jìn)行歸一化處理，W其 為SVR算法的輸入，W四個(gè)自由度方向?qū)?yīng)的角度值為目標(biāo)值進(jìn)行訓(xùn)練。SVR的核函數(shù)選為 徑向基（RBF)核函數(shù)；懲罰系數(shù)取值區(qū)間為[100,300]，不敏感損失函數(shù)的取值區(qū)間為 [0.01，1]，核函數(shù)的參數(shù)取值區(qū)間為[0，100]，利用基于人工蜂群優(yōu)化的參數(shù)尋優(yōu)方法確定 SVR參數(shù)。
[0038] 在估計(jì)階段，按照步驟Ξ從肌電電極實(shí)時(shí)采集的肌電信號(hào)中提取激活系數(shù)歸一化 后輸入到SVR中，輸出則為估計(jì)的角度值，用角度值控制假手運(yùn)動(dòng)。為了保證估計(jì)角度的魯 棒性，去除異常估計(jì)角度，同時(shí)盡可能的降低時(shí)移的影響，對(duì)估計(jì)的角度值用滑動(dòng)平均濾波 器進(jìn)行了處理，當(dāng)估計(jì)的角度超過實(shí)際關(guān)節(jié)角度最大值，將此時(shí)的角度賦予實(shí)際關(guān)節(jié)角度 最大值。
[0039] 本發(fā)明具有如下有益效果：
[0040] 1、本發(fā)明從肌肉協(xié)同理論的方法，通過將肌電信號(hào)轉(zhuǎn)換成激活系數(shù)，能夠有效去 除噪聲和禪合，從而得到更加穩(wěn)定的運(yùn)動(dòng)連續(xù)估計(jì)值。
[0041] 2、SVR算法具有較強(qiáng)的逼近能力和泛化能力，將激活系數(shù)和測(cè)量角度值用SVR進(jìn)行 擬合訓(xùn)練可W得到更加精確的估計(jì)效果，使控制效果更加精確。
【附圖說明】
[0042] 圖1算法整體流程圖
[0043] 圖2協(xié)同矩陣和激活系數(shù)提取流程圖
[0044] 圖3關(guān)節(jié)角度運(yùn)動(dòng)坐標(biāo)系
【具體實(shí)施方式】
[0045] 下面結(jié)合附圖描述本發(fā)明基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法。
[0046] 如圖1所示，一種基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法，其特征在 于該方法包括W下步驟：
[0047] 步驟一，肌電信號(hào)的采集
[0048] 針對(duì)手部開/合，腕關(guān)節(jié)背屈/掌屈、榜屈/尺屈、內(nèi)旋/外旋四個(gè)自由度運(yùn)動(dòng)的連續(xù) 估計(jì)，肌電信號(hào)（sEMG)的采集分為訓(xùn)練階段和估計(jì)階段的采集。其中訓(xùn)練階段sEMG數(shù)據(jù)集 來(lái)源于獨(dú)立動(dòng)作和組合動(dòng)作產(chǎn)生的肌電信號(hào)，其中獨(dú)立動(dòng)作指每個(gè)自由度的獨(dú)立動(dòng)作詳 見于表1，組合動(dòng)作是指兩個(gè)不同自由度動(dòng)作組合的同步運(yùn)動(dòng)。估計(jì)階段的sEMG數(shù)據(jù)是實(shí)時(shí) 在線手部動(dòng)作產(chǎn)生的肌電信號(hào)。
[0049] 肌電電極的放置:在靠近肘關(guān)節(jié)的前臂長(zhǎng)度處，沿手臂圓周均勻粘貼8個(gè)表面 肌電電極，電極方向與肌肉纖維方向平行。
[(K)加]表1獨(dú)立動(dòng)作列表 「0化11
[0052]步驟二，計(jì)算協(xié)同元矩陣
[0053] (一)計(jì)算肌肉激活水平
[0054] 首先對(duì)采集的訓(xùn)練階段獨(dú)立動(dòng)作產(chǎn)生的sEMG進(jìn)行去基準(zhǔn)處理，也就是減去肌肉放 松狀態(tài)下的肌電信號(hào)的均值。接著對(duì)去基準(zhǔn)后的sEMG進(jìn)行全波整流和低通濾波處理，對(duì)處 理后的sEMG計(jì)算均方根(RMS)特征，最后利用每個(gè)通道特征的最大值對(duì)每個(gè)通道特征進(jìn)行 歸一化處理得到肌肉激活水平矩陣f化)NXT，其中N為肌電信號(hào)通道個(gè)數(shù)，T為樣本的時(shí)間序 列長(zhǎng)度。
[0055] (二)建立肌肉協(xié)同模型
[0056] 根據(jù)肌肉協(xié)同理論，肌肉的激活水平表示為肌肉協(xié)同元和激活系數(shù)的線性組合：
[0059] 即對(duì)給定肌肉激活水平矩陣f化)NXT，可W分解為協(xié)同元矩陣Wnxk和激活系數(shù)矩陣 化XT，其中N為肌電信號(hào)通道個(gè)數(shù)，T為樣本的時(shí)間序列長(zhǎng)度，K為肌肉協(xié)同元的個(gè)數(shù)，Wi是一 個(gè)大小為NX 1維的向量，即為一個(gè)協(xié)同元，出為第i個(gè)協(xié)同元的激活系數(shù)序列。
[0060] 通過非負(fù)矩陣分解算法(NMF)計(jì)算協(xié)同元矩陣轉(zhuǎn)化成如下的優(yōu)化問題：
[0061]
[0062] s.t.fXE)NXT>0，WNXK>0，HKXT>0
[00創(chuàng)其中III.表示Frobenius范數(shù)。目標(biāo)函數(shù)對(duì)于矩陣Wnxk和Ηκχτ都是非凸的，按照下式 的乘法迭代規(guī)則交替優(yōu)化可W保證算法的非負(fù)性，最終求得一個(gè)最優(yōu)解。
[0066] (Ξ)計(jì)算協(xié)同元矩陣
[0067] 對(duì)于每一個(gè)獨(dú)立的動(dòng)作分別都有且只有一個(gè)協(xié)同元作用，當(dāng)某個(gè)獨(dú)立動(dòng)作對(duì)應(yīng)的 協(xié)同元激活時(shí)，其余動(dòng)作的協(xié)同元的激活系數(shù)值為0,對(duì)每個(gè)獨(dú)立動(dòng)作產(chǎn)生的肌肉激活水平 分別用NMF算法矩陣分解得到獨(dú)立動(dòng)作協(xié)同元Wi，并分別用Wi中的最大值來(lái)歸一化該協(xié)同 J L· 〇
[0068] 手部關(guān)節(jié)有8個(gè)獨(dú)立的動(dòng)作，故共有8個(gè)協(xié)同元作用，目化為8。8個(gè)獨(dú)立動(dòng)作協(xié)同元 可W組合得到協(xié)同元矩陣：
[0069] Wnxk=[Wf We Wr Wu Wp Ws Wc Wo]
[0070] 其中獨(dú)立動(dòng)作協(xié)同元Wi對(duì)應(yīng)到表1中獨(dú)力動(dòng)作巧化，i = F，…，0。
[0071] 步驟Ξ，提取激活系數(shù)
[0072] 如圖2所示，首先參照步驟二中計(jì)算肌肉激活水平的處理方法從sEMG中計(jì)算肌肉 激活水平矩陣f化)NXT，利用步驟二中計(jì)算的協(xié)同元矩陣Wnxk，反過來(lái)求激活系數(shù)矩陣化XT; 采用非負(fù)最小二乘算法(NNLS)來(lái)提取激活系數(shù)，即求解如下模型：
[0073]
[0074] s.t.fXE)NXT>0，WNXK>0，HKXT>0
[0075] 步驟四，肌肉協(xié)同激活模型的訓(xùn)練和估計(jì)
[0076] 選用支持向量回歸算法（suppo;rt vector regression,SVR)將激活系數(shù)映射到關(guān) 節(jié)角度。支持向量回歸算法是在統(tǒng)計(jì)學(xué)理論的基礎(chǔ)上，通過結(jié)構(gòu)風(fēng)險(xiǎn)最小化的學(xué)習(xí)方法，使 其具有更強(qiáng)逼近能力和泛化能力。SVR算法的基本思想是:對(duì)給定的訓(xùn)練樣本集Kxi，yi)，i = 1，2，···η}，其中xier為輸入向量，yiGR為目標(biāo)值，運(yùn)用支持向量機(jī)學(xué)習(xí)算法建立兩者之 間的關(guān)系得到回歸函數(shù)。首先通過非線性變換Φ將輸入向量X映射到高維特征空間Z，然后 在運(yùn)個(gè)空間完成線性回歸，即
[0077] f(x) =￥φ (x)+b
[0078] 基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法分為訓(xùn)練階段和估計(jì)階段。
[0079] 在訓(xùn)練階段，采集sEMG訓(xùn)練數(shù)據(jù)集和對(duì)應(yīng)關(guān)節(jié)的角度，其中sEMG訓(xùn)練數(shù)據(jù)采集參 照步驟一，同時(shí)采用Ξ維動(dòng)作捕捉系統(tǒng)同時(shí)采集手部關(guān)節(jié)的四個(gè)自由度方向的運(yùn)動(dòng)角度， 如圖3所示；按照步驟二計(jì)算出協(xié)同矩陣Wnxk，然后從獨(dú)立動(dòng)作和組合動(dòng)作產(chǎn)生的sEMG訓(xùn)練 數(shù)據(jù)集中按照步驟Ξ計(jì)算出激活系數(shù)化XT，并對(duì)激活系數(shù)利用每個(gè)通道的最大值進(jìn)行歸一 化處理，W其為SVR算法的輸入，W四個(gè)自由度方向?qū)?yīng)的角度值為目標(biāo)值進(jìn)行訓(xùn)練。SVR的 核函數(shù)選為徑向基(RBF)核函數(shù);懲罰系數(shù)取值區(qū)間為[100,300]，不敏感損失函數(shù)的取值 區(qū)間為[0.01,1]，核函數(shù)的參數(shù)取值區(qū)間為[0,100]，利用基于人工蜂群優(yōu)化的參數(shù)尋優(yōu) 方法確定SVR參數(shù)。
[0080] 在估計(jì)階段，按照步驟Ξ從肌電電極實(shí)時(shí)采集的肌電信號(hào)中提取激活系數(shù)歸一化 后輸入到SVR中，輸出則為估計(jì)的角度值，用角度值控制假手運(yùn)動(dòng)。為了保證估計(jì)角度的魯 棒性，去除異常估計(jì)角度，同時(shí)盡可能的降低時(shí)移的影響，對(duì)估計(jì)的角度值用滑動(dòng)平均濾波 器進(jìn)行了處理，當(dāng)估計(jì)的角度超過實(shí)際關(guān)節(jié)角度最大值，將此時(shí)的角度賦予實(shí)際關(guān)節(jié)角度 最大值。
【主權(quán)項(xiàng)】
1. 一種基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法，其特征在于，該方法包 括以下步驟： 步驟一，肌電信號(hào)的采集 針對(duì)手部開/合，腕關(guān)節(jié)背屈/掌屈、橈屈/尺屈、內(nèi)旋/外旋四個(gè)自由度運(yùn)動(dòng)的連續(xù)估 計(jì)，肌電信號(hào)的采集分為訓(xùn)練階段和估計(jì)階段的采集;其中訓(xùn)練階段SEMG數(shù)據(jù)集來(lái)源于獨(dú) 立動(dòng)作和組合動(dòng)作產(chǎn)生的肌電信號(hào)，其中獨(dú)立動(dòng)作指每個(gè)自由度的獨(dú)立動(dòng)作詳見于表1，組 合動(dòng)作是指兩個(gè)不同自由度動(dòng)作組合的同步運(yùn)動(dòng);估計(jì)階段的sEMG數(shù)據(jù)是實(shí)時(shí)在線手部動(dòng) 作產(chǎn)生的肌電信號(hào)； 肌電電極的放置:在靠近肘關(guān)節(jié)的前臂長(zhǎng)度1/3處，沿手臂圓周均勻粘貼8個(gè)表面肌電 電極，電極方向與肌肉纖維方向平行； 表1獨(dú)V.動(dòng)作列表步驟二，計(jì)算協(xié)同元矩陣 (一) 計(jì)算肌肉激活水平 首先對(duì)采集的訓(xùn)練階段獨(dú)立動(dòng)作產(chǎn)生的sEMG進(jìn)行去基準(zhǔn)處理，也就是減去肌肉放松狀 態(tài)下的肌電信號(hào)的均值;接著對(duì)去基準(zhǔn)后的sEMG進(jìn)行全波整流和低通濾波處理，對(duì)處理后 的sEMG計(jì)算均方根特征，最后利用每個(gè)通道特征的最大值對(duì)每個(gè)通道特征進(jìn)行歸一化處理 得到肌肉激活水平矩陣f(E) NXT，其中N為肌電信號(hào)通道個(gè)數(shù)，T為樣本的時(shí)間序列長(zhǎng)度； (二) 建立肌肉協(xié)同模型 枏據(jù)肌肉協(xié)同理論，肌肉的激活7tC平衷示為肌肉協(xié)同元和激活系數(shù)的線性組合：即對(duì)給定肌肉激活水平矩陣f(E)NXT，可以分解為協(xié)同元矩陣WNXK和激活系數(shù)矩陣Ηκχτ， 其中N為肌電信號(hào)通道個(gè)數(shù)，T為樣本的時(shí)間序列長(zhǎng)度，K為肌肉協(xié)同元的個(gè)數(shù)，11是一個(gè)大 小為Ν X 1維的向量，即為一個(gè)協(xié)同元，Hi為第i個(gè)協(xié)同元的激活系數(shù)序列； 通過非負(fù)矩陣分解算法(NMF)計(jì)算協(xié)同元矩陣轉(zhuǎn)化成如下的優(yōu)化問題： 其中|·|表示Frobenius范數(shù)；(三)計(jì)算協(xié)同元矩陣 對(duì)于每一個(gè)獨(dú)立的動(dòng)作分別都有且只有一個(gè)協(xié)同元作用，當(dāng)某個(gè)獨(dú)立動(dòng)作對(duì)應(yīng)的協(xié)同 元激活時(shí)，其余動(dòng)作的協(xié)同元的激活系數(shù)值為0,對(duì)每個(gè)獨(dú)立動(dòng)作產(chǎn)生的肌肉激活水平分別 用NMF算法矩陣分解得到獨(dú)立動(dòng)作協(xié)同元I，并分別用I中的最大值來(lái)歸一化該協(xié)同元； 手部關(guān)節(jié)有8個(gè)獨(dú)立的動(dòng)作，故共有8個(gè)協(xié)同元作用，即K為8;8個(gè)獨(dú)立動(dòng)作協(xié)同元可以 組合得到協(xié)同元矩陣： Wnxk=[Wf We Wr ffu ffp ffs ffc Wo] 其中獨(dú)立動(dòng)作協(xié)同元Wi對(duì)應(yīng)到表1中獨(dú)力動(dòng)作1到8，i = F，…，0; 步驟三，提取激活系數(shù) 首先參照步驟二中計(jì)算肌肉激活水平的處理方法從sEMG中計(jì)算肌肉激活水平矩陣f (E)NXT，利用步驟二中計(jì)算的協(xié)同元矩陣WNXK，反過來(lái)求激活系數(shù)矩陣HKXT;采用非負(fù)最小 二乘算法來(lái)提取激活系數(shù)，即求解如下模型：步驟四，肌肉協(xié)同激活模型的訓(xùn)練和估計(jì)； 選用支持向量回歸算法將激活系數(shù)映射到關(guān)節(jié)角度； 基于肌肉協(xié)同激活模型的手部關(guān)節(jié)運(yùn)動(dòng)連續(xù)估計(jì)方法分為訓(xùn)練階段和估計(jì)階段； 在訓(xùn)練階段，采集sEMG訓(xùn)練數(shù)據(jù)集和對(duì)應(yīng)關(guān)節(jié)的角度，其中sEMG訓(xùn)練數(shù)據(jù)采集參照步 驟一，同時(shí)采用三維動(dòng)作捕捉系統(tǒng)同時(shí)采集手部關(guān)節(jié)的四個(gè)自由度方向的運(yùn)動(dòng)角度;按照 步驟二計(jì)算出協(xié)同矩陣Wnxk，然后從獨(dú)立動(dòng)作和組合動(dòng)作產(chǎn)生的sEMG訓(xùn)練數(shù)據(jù)集中按照步 驟三計(jì)算出激活系數(shù)Ηκχτ，并對(duì)激活系數(shù)利用每個(gè)通道的最大值進(jìn)行歸一化處理，以其為 SVR算法的輸入，以四個(gè)自由度方向?qū)?yīng)的角度值為目標(biāo)值進(jìn)行訓(xùn)練;SVR的核函數(shù)選為徑 向基核函數(shù);懲罰系數(shù)取值區(qū)間為[1 〇〇，300 ]，不敏感損失函數(shù)的取值區(qū)間為[0.01，1 ]，核 函數(shù)的參數(shù)取值區(qū)間為[〇，1〇〇]，利用基于人工蜂群優(yōu)化的參數(shù)尋優(yōu)方法確定SVR參數(shù)； 在估計(jì)階段，按照步驟三從肌電電極實(shí)時(shí)采集的肌電信號(hào)中提取激活系數(shù)歸一化后輸 入到SVR中，輸出則為估計(jì)的角度值，用角度值控制假手運(yùn)動(dòng);對(duì)估計(jì)的角度值用滑動(dòng)平均 濾波器進(jìn)行了處理，當(dāng)估計(jì)的角度超過實(shí)際關(guān)節(jié)角度最大值，將此時(shí)的角度賦予實(shí)際關(guān)節(jié) 角度最大值。
【文檔編號(hào)】G06T7/20GK106067178SQ201610367322
【公開日】2016年11月2日
【申請(qǐng)日】2016年5月30日 公開號(hào)201610367322.9, CN 106067178 A, CN 106067178A, CN 201610367322, CN-A-106067178, CN106067178 A, CN106067178A, CN201610367322, CN201610367322.9
【發(fā)明人】孟明, 桂奇政, 朱俊青, 張松, 周杰, 馬玉良, 羅志增
【申請(qǐng)人】杭州電子科技大學(xué)