基于脑可塑的动作辅助装置的运动意图辨识方法

摘要

本发明涉及人机交互中的信息处理技术领域，具体地讲是基于脑可塑的动作辅助装置的运动意图辨识方法，首先采集生物电信号并进行预处理；接收并存储处理后的生物电信号；进行生物电信号特征提取；将提取的生物电信号特征送入分类器，进行线性判别分析，得到分类结果；将分类结果送入投票器，得到投票结果；对生物电信号特征阈值对比；对比投票器结果与阈值对比结果，两者一致，则输出最终运动意图结果，不一致，则输出静息态结果，本发明将分类器、投票器、阈值对比相结合，克服了电信号识别运动意图不准确的困难，并且使得整个系统的控制延迟降低，可以直接反应使用者的动作意图。

说明书

技术领域

本发明涉及人机交互中的信息处理技术领域，具体地讲是基于脑可塑的动作辅助装置的运动意图辨识方法。

背景技术

动作辅助设备主要是针对肢体运动障碍的人群，已经广泛的应用在神经康复、医疗军事等领域。由于生活中，手的使用是极为重要和频繁的，故针对手部动作辅助装置的设计尤为核心。

而手部功能障碍的患者主要可归结为两类，一类是由于脑部坏损和神经通路损坏造成的，另一类是由于肌肉损伤造成的。对于第一类病人，可以通过神经移位手术来治疗；对于第二类病人，可以通过靶向肌肉神经移植手术来治疗。但不论是神经移位还是靶向神经移植手术，所用到的神经通常不是原来支配肌肉所所对应的神经，所以在手术后病人通常要经过一段时间的康复训练，以达到脑重塑的目的。

在运动意图解析方面，现有技术主要有基于力学信息的意图识别和基于生物电信息的意图识别，其中，采用力学信息的意图识别主要是利用人体运动学和动力学信息，而生物电信号则主要采用肌电、脑电信号。力学信息采集方便、信号平稳，但是只有使用者开始运动后才能得到，有严重的滞后性，同时一些微小的手部动作，是无法采集到力学信息，同时力学信息也不能直接反应使用者的运动意图。

而基于生物电信号的运动意图识别则可以很好的解决滞后性问题，但是在电信号会存在干扰信号例如叠加信号、噪声信号灯，在识别时导致准确率低，对运动意图的判断产生误导。

因此设计一种可以精准识别运动意图的辨识方法是十分有必要的。

发明内容

本发明突破了现有技术的难题，设计了一种基于生物电信号的基于脑可塑的动作辅助装置的运动意图辨识方法，达到精准识别运动意图的目的。

为了达到上述目的，本发明设计了基于脑可塑的动作辅助装置的运动意图辨识方法，其特征在于：包括如下步骤：

S1采集生物电信号并进行预处理；

S2设置系统存储阈值，接收并存储处理后的生物电信号；

S3当存储的生物电信号达到存储阈值，进行生物电信号特征提取；

S4将提取的生物电信号特征送入分类器，进行线性判别分析，得到分类结果；

S5将分类结果送入投票器，得到投票结果；

S6对生物电信号特征阈值对比；

S7对比投票器结果与阈值对比结果，两者一致，则输出最终运动意图结果，不一致，则输出静息态结果。

进一步的，S1中所述的预处理的具体方法为：将采集到的生物电信号输入仪表放大器进行放大后送入带通滤波器，滤除干扰音，之后将电信号送入滤波采样电路，经过程序可调放大器进行适应性放大，之后经过低通滤波器送入ADC，完成预处理。

进一步的，所述生物电信号采用表面肌电信号，则S3中所述的生物电信号特征为表面肌电信号的绝对平均值MAV和过零点数ZC。

进一步的，S6中所述的生物电信号特征阈值对比的具体方法为：

S61设置阈值TH1和TH2；

S62将MAV与TH1、TH2进行对比；

其中，TH1表示伸张阈值，TH2表示弯曲阈值，当MAV>TH1时判断动作意图是伸张运动，当MAV>TH2时判断动作意图是弯曲运动。

进一步的，所述表面肌电信号的绝对平均值MAV的计算公式为：

所述过零点数ZC的计算公式为：

其中，N表示设定时间内采集的表面肌电信号的数据点数，x

本发明还设计了基于脑可塑的动作辅助装置的运动意图辨识系统，其特征在于：包括电信号存储模块，信号特征提取模块，LDA分类器，投票器，以及运动意图判断模块；

所述电信号存储模块的信号输入端用于接收电信号数据，所述电信号存储模块的信号输出端与所述信号特征提取模块的信号输入端相连，所述信号特征提取模块的信号输出端分别与所述LDA分类器的信号输入端、所述运动意图判断模块的信号输入端相连，所述LDA分类器的信号输出端与所述投票器的信号输入端相连，所述投票器的信号输出端也与所述运动意图判断模块的信号输入端相连，所述运动意图判断模块的信号输出端用于输出最终运动意图结果。

进一步的，所述运动意图判断模块包括阈值对比单元、结果判断单元，所述阈值对比单元中设置有阈值对比程序；结果判断单元中设置有结果判断程序。

进一步的，所述信号特征提取模块中提取的信号特征为表面肌电信号的绝对平均值MAV和过零点数ZC，其中，

进一步的，在执行阈值对比程序时，进行如下操作：首先人为设置阈值TH1和TH2，之后将表面肌电信号的绝对平均值MAV与TH1、TH2进行对比；其中，TH1表示伸张阈值，TH2表示弯曲阈值，当MAV>TH1时判断动作意图是伸张运动，当MAV>TH2时判断动作意图是弯曲运动。

进一步的，在执行结果判断程序时，进行如下操作：对比投票器结果与阈值对比结果，两者一致，则输出最终运动意图结果，不一致，则输出静息态结果。

本发明与现有技术相比，对电信号进行预处理，滤除电极片移位而产生的低频干扰和由环境耦合进来的高频噪声等，同时将分类器、投票器、阈值对比相结合，克服了电信号识别运动意图不准确的困难，并且使得整个系统的控制延迟降低，可以直接反应使用者的动作意图。

附图说明

图1为一具体实施例中基于脑可塑的动作辅助装置的运动意图辨识方法的流程示意图。

图2为一具体实施例中基于脑可塑的动作辅助装置的运动意图辨识方法的生物电信号特征提取的处理示意图。

图3为一具体实施例中基于脑可塑的动作辅助装置的运动意图辨识方法中生物电信号预处理流程示意图。

具体实施方式

结合附图对本发明进行进一步描述，但不作为对本发明的限定。

在具体实施例中，将电极片布置在使用者身体上，采集使用者的表面肌电信号作为生物电信号，所使用的电极片共设计了3个，其中1号电极片和3号电极片采集使用者的表面肌电信号，2号电极片作为参考电机，以免肌电信号的绝对电压超出仪表放大器的工作范围。

参见图3，在采集到表面肌电信号后，输入仪表放大器，将其放大500倍后送入10～500Hz的带通滤波器，从而滤除电极片移位而产生的低频干扰和由环境耦合进来的高频噪声等，之后将电信号送入滤波采样电路。这部分电路是模拟数字混合电路，其中会集成晶振、MCU和电极驱动器等干扰源，另外由于使用者自身肌电信号强度的差异会造成肌电传感器的通用性降低，因此在其中增加了程序可调放大器，针对不同的使用者，程序会把电路自动调整到一个合适的放大倍数，之后经过低通滤波器送入ADC，完成预处理。

而ADC不间断的接收经过预处理的肌电信号，将其送入电信号存储模块。

设置电信号存储模块的存储阈值为128，当存储满128个肌电信号后，就进行特征提取，即提取表面肌电信号的绝对平均值MAV和过零点数ZC，公式为

其中，N表示设定时间内采集的表面肌电信号的数据点数，x

为了保证实时性和识别率，系统中的数据处理窗长度为256个数据点，滑动窗长度为128个数据点。在1860Hz的采样率下，处理的延迟时间为68.8ms，小于可以接受的延迟时间300ms。由于本实施例中设计了1号电极片、3号电极片两个肌电通道，因此当各通道得到128个数据点时，将这些数据和之前的128个数据合并，并提取特征，即窗长为256个数据点，滑动窗长为128个数据点。具体处理过程可参见图2。

之后将提取的MAV与ZC送入LDA分类器进行线性判别分析，将分析结果送入投票器进行投票，将得票最多的结果输入到运动意图判断模块中，同时直接将提取的MAV送入运动意图判断模块的阈值对比单元中进行阈值对比。

阈值对比的具体方法为：首先在运动意图判断模块中设置阈值TH1和TH2，TH1表示伸张阈值，TH2表示弯曲阈值，其次将经过计算的表面肌电信号的绝对平均值与TH1、TH2进行对比；当MAV>TH1时判断动作意图是伸张运动，当MAV>TH2时判断动作意图是弯曲运动。

最后在运动意图判断模块的判断单元中会有两个结果，一个是投票器的投票结果，一个是阈值对比的结果，将两个结果进行对比，相同，则输出识别结果，不同则输出静息态结果。

在具体实施例中，本发明还设计了基于脑可塑的动作辅助装置的运动意图辨识系统，包括电信号存储模块，信号特征提取模块，LDA分类器，投票器，以及运动意图判断模块。

优选的，电信号存储模块的信号输入端用于接收电信号数据，所述电信号存储模块的信号输出端与所述信号特征提取模块的信号输入端相连，所述信号特征提取模块的信号输出端分别与所述LDA分类器的信号输入端、所述运动意图判断模块的信号输入端相连，所述LDA分类器的信号输出端与所述投票器的信号输入端相连，所述投票器的信号输出端也与所述运动意图判断模块的信号输入端相连，所述运动意图判断模块的信号输出端用于输出最终运动意图结果。

优选的，所述信号特征提取模块中提取的信号特征为表面肌电信号的绝对平均值MAV和过零点数ZC，其中，

优选的，所述运动意图判断模块包括阈值对比单元、结果判断单元，所述阈值对比单元中设置有阈值对比程序；结果判断单元中设置有结果判断程序。

其中，执行阈值对比程序时，进行如下操作：首先人为设置阈值TH1和TH2，之后将表面肌电信号的绝对平均值MAV与TH1、TH2进行对比；其中，TH1表示伸张阈值，TH2表示弯曲阈值，当MAV>TH1时判断动作意图是伸张运动，当MAV>TH2时判断动作意图是弯曲运动。

而在执行结果判断程序时，进行如下操作：对比投票器结果与阈值对比结果，两者一致，则输出最终运动意图结果，不一致，则输出静息态结果。

本领域普通技术人员可以理解上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，所述程序可存储于一个计算机可读存储介质中，如本发明的实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明的范围限制，应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。