本发明专利技术涉及一种基于手部动作肌音信号的人机交互方法及交互系统，所述交互方法为通过采集手臂动作的肌音信号(MMG)并对其进行模式识别来实现鼠标的单击功能，通过手臂移动信息实现鼠标指针移动功能；所述交互系统MMG信号传感器、MMG信号处理电路、MMG信号偏置电路、数据采集卡、模式识别模块、交互驱动模块和手臂移动信息传感器，MMG信号传感器、MMG信号处理电路、MMG信号偏置电路、数据采集卡、模式识别模块依次连接，交互驱动模块分别连接模式识别模块和手臂移动信息传感器。与现有技术相比，本发明专利技术具有容易实现、准确率高等优点。
【技术实现步骤摘要】
基于手部动作肌音信号的人机交互方法及交互系统
本专利技术涉及肌音信号的应用，尤其是涉及一种基于手部动作肌音信号的人机交互方法及交互系统。
技术介绍
在康复领域内的人机交互系统里，实现人机交互的信息源多为人体生物信号。寻找稳定完备的信息源应用到人机交互系统中是当今的热点和难点。到目前为止已经出现了许多不同控制信号源的选择和尝试。例如:肌电信号(Electromyography, EMG)、脑电信号(Electroencephalography, EEG)、声音信息源、延伸生理本体感觉信息源、肢体肌肉周径变化信息源、肢体残端再造指控制信息源、肢体机械运动信息源、肌腱信息源、脑磁信息源等。其中因为肌电信号具有很多优点成为众多学者的主要研究方向。但是事实上，肌电信号也存在着很多不足之处，例如对采集表面要求严格，传感器价格昂贵，受阻抗影响大，抗干扰倉泛力 目前，利用生物信号作为信息源的人机交互系统有以下几种: 1、EMG信号源人机交互系统: EMG是医学上的术语，主要是指利用电子学仪器来记录肌肉神经兴奋时的生物电位信号。肌肉执行动作时，需要来自中枢神经系统的生物电脉冲信号进行刺激，在此过程中肌肉神经终端以及沿线均会产生电位变化，执行不同的动作需要的生物电刺激不同，因此可以通过感应电极将肌肉产生的生物电位的差异引导出来，采集到的生物电位信号包含了大量的与所执行动作相关的信息，利用这些信息，工程师通过嵌入式系统实现了不依赖于声学信号的语音识别，通过采集用户面部肌肉的EMG信号来判断用户的发音。 EMG语音识别系统应用十分广泛。首先是在飞行控制中，该种系统已经成为高性能飞行器中飞行员的辅助操作设备。美国的实验者曾用EMG信号实时进行了六个单词的语音识别，而这六个单词可以作为NASA火星探测器的指令控制集。而在日本，通讯公司NTT已经专利技术出一套可以用手指听电话的EMG语音识别装置。经过大量的实验和测试表明EMG能非常有效和准确的反映肌体的运动情况。 但是与此同时EMG信号也有其不容忽视的缺点。EMG语音识别系统以EMG为信号源，而EMG信号源对于采集的要求比较严苛。若该采集对象的肌肉群不够多或者各种原因导致肌肉萎缩都会导致EMG信号质量不好而影响用户的使用。此外，EMG信号极易受到外界各种因素的干扰，例如，肌肉的疲劳、电极位置的改变、体重的波动都会使EMG信号的特征值发生变化。再者，受到技术的限制，EMG信号所能提供的特征和自由度也有限 2、EEG信号源人机交互系统: EEG简单地说就是由脑神经细胞群产生的电活动信号。大脑产生意识或思维活动时，大脑活动过程中形成电刺激，神经细胞会产生几十毫伏电势差，微电活动在大脑表面的神经细胞中大面积传播形成脑电波。现代仪器检测出的脑电波信号非常微弱，大概在I?100 μ V，频率大概在0.5?10Hz之间，皮质电位约为lmV。 由于脑电波含有准确并且丰富的生理信号，许多专家把脑电信号作为一种优质的控制信息源。因此出现了大量的以EEG为信号源的嵌入式设备，它们又被称作脑机接口设备。 MindFlex是一款用脑电波控制的玩具，它通过位于前额的传感器检测出使用者的EEG信号，信号经过处理和模式识别可以控制游戏装置中小球的各种动作。 脑电信号较为复杂，脑电信号本身较为微弱，为了能达到控制要求必须将脑电信号进行放大。但是放大增益会给脑电信号带来大部分干扰和噪音，这到目前为止仍是一个未解决的难题。 3、神经信号源人机交互系统 神经控制假肢是由神经活动信号做为信息源的智能化假肢。最早由Wan等于1990年提出了这个想法。神经信号是一种电化学信号，是在神经纤维上面按顺序发生的电化学变化，具体表现为神经细胞上面的电位变化。其传导速度极快，并且神经系统具有可塑性。这种可塑性就是说神经系统在患者的受创部位具有重建和修复的能力，这就为嵌入式系统提供了可靠地信息源。而且神经信号不会轻易受到外界因素如身体疲劳的干扰，这就让其稳定性大大增加。随着人们对神经系统生理活动的进一步了解，这种假肢的性能一定会得到更大的提升。 肌音信号(Mechanomyography, MMG)是一种以人体肌肉或肌肉群在执行动作时做收缩而发出的声音信号。肌音信号拥有一些其他信号所没有的优点，2003年，Mih1.Tarata发表的研究论文详细比较了肌电信号和肌音信号的优缺点，他指出，肌音信号相对肌电更有优势，主要表现在以下方面: I)肌音信号利用压电加速度传感器即可完成采集，比肌电信号所需要的电极简单，而且成本较低； 2)原始肌音信号比原始肌电信号强，便于采集； 3)肌音信号可以利用传感器直接安装于皮肤表面进行采集，肌电信号需要涂导电液等，肌音信号对采集状况的要求低，便于使用。 因此，肌音信号作为控制信号源能较好的传达有效准确的信息，是一种优质信号源。 有统计结果显示在2006年，我国各类残疾人口总共可达8000多万，其中29.07%的残疾入是肢体残疾。由此可见，此类康复器材在社会的需求量非常大。与此同时，现代越来越多的人每天长时间的接触、使用电脑。由于每天重复的在键盘上打字和移动鼠标，手腕关节因长期密集、反复和过度的活动，导致腕部肌肉或关节麻痹、肿胀、疼痛、痉挛。这种症状被称作鼠标手也叫做“腕管综合症”。这种病症迅速成为一种日渐普遍的现代文明病。所以，有必要研发一种能够代替鼠标的人机交互技术。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种容易实现、准确率高的基于手部动作肌音信号的人机交互方法及交互系统。 本专利技术的目的可以通过以下技术方案来实现: 一种基于手部动作肌音信号的人机交互方法，包括如下步骤: A、数据采集及处理: al)采集对应左击和右击的手部动作的原始肌音信号； a2)对采集到的原始肌音信号依次进行滤波和信号偏置处理； a3)获取处理后的手部动作肌音信号，并保存； B、模式识别: bl)获取经所述步骤A处理后的手部动作肌音信号并进行预处理； b2)提取手部动作肌音信号的时域特征； b3)将提取出的时域特征输入分类器，判别当前手部动作，得到动作判别结果； C、人机交互: Cl)采集手部动作的移动信息； c2)将采集的移动信息和步骤B获得的动作判别结果转化为数字驱动信号； c3)根据所述数字驱动信号完成鼠标指针的定位以及鼠标单击操作。 在步骤a2)中，所述滤波包括消除直流偏置信号的高通滤波、消除高频成分的低通滤波和消除工频干扰的陷波滤波。 在步骤bl)中，所述预处理包括软件滤波、归一化处理和动作分割。 所述动作分割采用等长分割算法进行分割，其中，动作起点的判断采阈值双门限判断法。 在步骤b3)中，所述分类器为经训练后保存的分类器模型。 —种基于手部动作肌音信号的人机交互系统，包括: MMG信号传感器，用于采集对应左击和右击的手部动作的原始肌音信号； MMG信号处理电路，与MMG信号传感器连接，用于对原始肌音信号进行滤波处理； MMG信号偏置电路,与MMG信号处理电路连接,用于对滤波后的肌音信号进行偏置处理； 数据采集卡，与MMG信号偏置电路连接，用于获取并保存处理后的对应左击和右击本文档来自技高网...
【技术保护点】
一种基于手部动作肌音信号的人机交互方法，其特征在于，包括如下步骤：A、数据采集及处理：a1)采集对应左击和右击的手部动作的原始肌音信号；a2)对采集到的原始肌音信号依次进行滤波和信号偏置处理；a3)获取处理后的手部动作肌音信号，并保存；B、模式识别：b1)获取经所述步骤A处理后的手部动作肌音信号并进行预处理；b2)提取手部动作肌音信号的时域特征；b3)将提取出的时域特征输入分类器，判别当前手部动作，得到动作判别结果；C、人机交互：c1)采集手部动作的移动信息；c2)将采集的移动信息和步骤B获得的动作判别结果转化为数字驱动信号；c3)根据所述数字驱动信号完成鼠标指针的定位以及鼠标单击操作。
【技术特征摘要】
1.一种基于手部动作肌音信号的人机交互方法，其特征在于，包括如下步骤: A、数据采集及处理: al)采集对应左击和右击的手部动作的原始肌音信号； a2)对采集到的原始肌音信号依次进行滤波和信号偏置处理； a3)获取处理后的手部动作肌音信号，并保存； B、模式识别: bl)获取经所述步骤A处理后的手部动作肌音信号并进行预处理； b2)提取手部动作肌音信号的时域特征； b3)将提取出的时域特征输入分类器，判别当前手部动作，得到动作判别结果； C、人机交互: cl)采集手部动作的移动信息； c2)将采集的移动信息和步骤B获得的动作判别结果转化为数字驱动信号； c3)根据所述数字驱动信号完成鼠标指针的定位以及鼠标单击操作。2.根据权利要求1所述的一种基于手部动作肌音信号的人机交互方法，其特征在于，在步骤a2)中，所述滤波包括消除直流偏置信号的高通滤波、消除高频成分的低通滤波和消除工频干扰的陷波滤波。3.根据权利要求1所述的一种基于手部动作肌音信号的人机交互方法，其特征在于，在步骤bl)中，所述预处理包括软件滤波、归一化处理和动作分割。4.根据权利要求3所述的一种基于手部动作肌音信号的人机交互方法，其特征在于，所述动作分割采用等长分割算法进行分割，其中，动作起点的判断采阈值双门限判断法。5.根据权利要求1所述的一种基于手部动作肌音信号的人机交互方法，其特征在于，在步骤b3)中，所述分类器为经训练后保存的分类器模型。6.一种基于手部动作肌音信号的人机交互系统，其特征在于，包括: MMG信号传感器，用于采集对应左击和右击的手部动作...
【专利技术属性】
技术研发人员：夏春明，董畅，周静，蒋志伟，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。