基于EMG-KJA神经肌骨动力学模型的下肢动作模式识别及运动轨迹预测

摘要

近年来，截肢患者已成为亟需关注的特殊社会群体，如何帮助他们有效地提升自理能力、改善生活质量不仅是康复医学领域的重要研究课题，更是各国政府和全社会面临的一个严峻挑战。肌电假肢可以利用患者残肢肌电信号自主地控制假肢人机系统实现相应动作，被公认为是一种比较理想的缺损肢体功能代偿解决方案，其核心技术在于描述人体神经控制与肌骨运动之间关系的神经肌骨动力学模型。但截至目前，国内外神经肌骨动力学研究尚主要集中于手部和上肢，较少涉及到下肢，尤其是专门针对下肢神经肌骨动力学模型开展的动作模式识别及运动轨迹预测方面的研究还开展的十分有限。
　　本文利用Noraxon无线肌电采集系统和Vicon三维运动捕捉系统，同步采集10名受试者在深蹲、站起、伸膝和行走四种关键动作下的下肢肌电信号和三维运动学数据，经滤波、放大等预处理后，提取预动作期肌电的4阶AR模型参数、倒谱系数、奇异值和功率谱熵作为关键动作模态分类的特征参数，采用支持向量机（SVM）、隐马尔科夫模型（HMM）和人工神经网络（ANN）三种方法进行分类识别。结果显示：SVM是辨识下肢动作关键模态较为理想的分类器，其奇异值的单特征输入模式平均分类正确率为88.3％，融合时频特性的多特征输入模式平均分类正确率为91.3%。
　　在分类识别的基础上，研究中提取了不同动作下单侧腿肌电信号的均方根（RMS）和中值频率（MF），结合对侧腿的反馈角度，分别采用ANN和SVM建立肌电-膝关节角度(EMG-KJA)的下肢神经肌骨动力学模型来预测对侧腿部膝关节运动轨迹。研究发现：两种信号特征中，RMS的预测效果略优于MF；两种建模方法中，SVM对各模式的预测误差结果均低于ANN，显示出了更为准确的建模效果。此外，为提高预测方式的实时性和在线度，文中还设计了针对各类动作模式的最优肌源通道筛选方案，根据肌电均方根值与关节角度的相关性，依次去除关联性较低的肌源信号，检验预测结果，寻求最佳导联配置。
　　本文的研究结果有望对下肢肌电假肢设计以及相关神经学、运动学机理的探究起到促进作用，同时也具备在运动感知、人机接口、虚拟现实、远程遥控等其它领域的应用潜力。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景

1.2 假肢与神经肌骨动力学简介

1.3 本课题研究内容、目的及意义

第二章 EMG-KJA信号采集平台与实验方案

2.1 下肢关键动作模态介绍

2.2 表面肌电检测的下肢肌群位置选择

2.3 EMG-KJA信号采集平台

2.4 实验准备

2.5实验设置

第三章 EMG信号预处理及特征提取

3.1 EMG信号预处理

3.2 EMG信号特征提取方法介绍

3.3 模式识别特征参数提取

3.4运动轨迹预测特征参数提取

第四章 下肢关键动作模式识别方法与结果

4.1 模式识别基本概念

4.2支持向量机（SupportVectorMachine， SVM）

4.3隐马尔科夫模型（HiddenMarkov Model，HMM）

4.4人工神经网络(Artificial Neural Network, ANN)

4.5 结果对比

第五章 下肢运动轨迹预测及肌源通道优化

5.1 利用人工神经网络（ANN）预测运动轨迹

5.2 利用支持向量机（SVM）预测运动轨迹

5.3 ANN 与SVM预测结果对比

5.4肌源通道优化

第六章 总结与展望

6.1 本项研究工作总结

6.2 展望

参考文献

发表论文和科研情况说明

致谢