一种基于MYO臂环的假肢手控制方法技术

本发明专利技术涉及一种基于MYO臂环的假肢手控制方法，该方法通过使用MYO臂环实时采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，利用特征值和训练好的神经网络模型在线识别手部动作模式，将该动作模式转变为相应的电机运动指令，驱动假肢手做出相应的动作；所述的神经网络模型训练方法包括：执行人体手部动作，使用MYO臂环采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，根据特征值的样本，训练手部动作的神经网络模型。与现有技术相比，本发明专利技术具有使用方便、成本低、性价比高、应用范围广等优点。

【技术实现步骤摘要】

本专利技术属于计算机与康复工程交叉的
，尤其是涉及一种基于MYO臂环的假肢手控制方法。
技术介绍
目前的残疾人数据调查表明，中国肢体残疾患者的数量高达2412万人，约占总人口数的1.83％，其中截肢患者226万人。保守估计，需要安装假肢手的患者达25万人以上，因此，假肢手有着巨大的市场。目前，国内开发的肌电假肢手仍以单动作模式为主，多动作模式的高端肌电假肢手主要依靠进口。肌电信号是假肢手控制的可靠的信号源被广泛用于肌电假肢手中，肌电传感器的质量直接影响动作模式识别的精度，从而影响假肢手的整体性能。高质量的传感器比较贵，如Biomatric和Delsys等，单个传感器的价格都在5000元以上。国内的假肢厂家多采用自己制作的肌电传感器，信号干扰性较大，严重影响动作模式识别精度。申请号为201210580705.6的中国专利公开了一种肌电假肢控制系统，该系统包括肌电假肢控制器和上位机，其中肌电假肢控制器包括肌电电极、肌电信号采集模块、控制模块、通信模块和电机驱动模块，控制模块将肌电数据发送给通信模块，对采集到的肌电数据进行动作类型识别，并输出分类结果；通信模块将肌电数据传送到上位机和将上位机发送的动作分类器传送至控制模块；电机驱动模块接收控制模块的分类结果，驱动肌电假肢内部电机工作，完成相应动作；上位机接收通信模块传送的肌电数据进行模式训练，得到动作分类器，并将动作分类器发送给通信模块，实现了假肢的在线控制。然而肌电信号采集模块中的传感器输出为模拟信号，数据采集后需要使用肌电信号采集模块进行放大滤波、模数转换等过程才能进行提取，肌电信号采集模块与肌电电极有线连接，数据传输容易受到干扰，且数据处理精度影响实时性。
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使用成本低、动作识别率高的基于MYO臂环的假肢手控制方法。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MYO臂环的假肢手控制方法，该方法通过使用MYO臂环实时采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，利用特征值和训练好的神经网络模型在线识别手部动作模式，将该动作模式转变为相应的电机运动指令，驱动假肢手做出相应的动作，此过程为在线识别；所述的神经网络模型训练方法包括：执行人体手部动作，使用MYO臂环采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，根据特征值的样本，训练手部动作的神经网络模型，此过程为在线识别之前的离线过程。神经网络模型离线训练过程和训练数据及训练结果的存储可通过PC机完成，将训练所得的权值和阈值参数下载至基于嵌入式系统的控制板，在线识别时，通过控制板处理肌电信号、识别手部动作模式，然后通过控制板控制假肢手的动作。所述的肌电信号通过MYO臂环的蓝牙接口读取。所述的肌电信号的特征值的提取包括以下步骤：S1，使用MYO臂环的M个通道采集手臂肌肉的肌电信号并读取肌电信号，其中，通道个数M设置在2～8之间，根据手部动作类型的个数设置；S2，根据各通道肌电信号的时域特征，确定手部动作起止时间点；S3，在手部动作起止时间内截取一段肌电信号作为一个信号序列，对每个信号序列提取n个特征值，得到M个n维的特征向量；S4，采用主成分分析法对特征向量降维，得到M个k维的降维特征向量；所述的步骤S2中，手部动作起止时间点确定方法为：计算各通道肌电信号的绝对平均值并求和，并与事先设定的门限阈值作比较判断动作起止，将对应的时间点作为动作起止点；所述的步骤S3中，截取的肌电信号为动作起始点后100-200ms内的肌电信号。所述的特征值包括绝对平均值MAV、过零点数ZC、斜率变化数SSC、波形长度WL和平均绝对值变化率MAVS，各特征值计算方法如下： MAV i = 1 L Σ k = 1 L | x ( k ) | , i = 1 , 2 ... M - - - ( 1 ) ]]>式(1)中，x(k)为每次采样的肌电信号数据，L为每个通道的数据个数，M为通道个数；对于连续采样的点x(k),x(k+1)，如果满足式(2)，则ZC的值加1；x(k)＞0且x(k+1)＜0，或x(k)＜0且x(k+1)＞0 (2)如果满足公式(3)的条件，则SSC的值增加1；[x(k)-x(k-1)]×[x(k)-x(k+1)]＞ε (3)式(3)中，ε为给定的一个大于0的阈值； W L = Σ k = 1 L | Δ x ( k ) | - - - ( 4 ) ]]>式(4)中，Δx(k)＝x(k)-x(k-1)MAVS＝MAVk-MAVk-1 (5)读取肌电信号时，以MYO臂环的数据输出最高频率从MYO臂环中读取肌电信号值。根据待识别的动作种类个数选择通道个数，以便兼顾识别率和实时性，作为优选方案，通道个数M取3，3个通道可准确识别日常常用的8个动作，满足常用手部动作识别的需要。与现有技术相比，本专利技术具有以下优点：(1)MYO臂环中内置无线数字传感器，使用MYO臂环获得手臂肌肉的肌电信号，通过蓝牙接口即可读取肌电信号，MYO臂环具有价格低、信号传输速度快、信噪比低、干扰小、信号质量好、佩戴方便的优点，符合模块化设计思路，极大提高了假肢手控制的性价比和应用前景。(2)通过预先离线训练建立神经网络模型参数，离线训练和在线识别通过不同的载体实现，降低了在线识别的成本，提高了在线识别速度。(3)步骤S2中，采用时域特征进行活动段检测，时域特征计算简单，可快速判断活动段，为假肢手的实时性打下夯实的基础。(4)在线识别时，对特征值降维处理，可降低分类器的负载、改善识别精度、提高假肢手控制的实时性。(5)采用绝对平均值、过零点数、斜率变化数、波形长度和平均绝对值变化率作为特征值，可以获得较高的动作识别率。(6)优选通道个数M为3，3个通道可准确识别8个动作，可满足常用手部动作识别的需要，兼顾了动作识别的可靠性和识别速度。附图说明图1为本实施例的基于MYO臂环的假肢手控制系统结构示意图；图2为本专利技术方法中的在线识别流程示意图；图3为采用本实施例方法获取的某通道原始肌电图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例一种基于MYO臂环的假肢手控制方法，该方法通过使用MYO臂环实时采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，利用特征值和训练好的神经网络模型在线识别手本文档来自技高网...

【技术保护点】
一种基于MYO臂环的假肢手控制方法，其特征在于，该方法通过使用MYO臂环实时采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，利用特征值和训练好的神经网络模型在线识别手部动作模式，将该动作模式转变为相应的电机运动指令，驱动假肢手做出相应的动作；所述的神经网络模型训练方法包括：执行人体手部动作，使用MYO臂环采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，根据特征值的样本，训练手部动作的神经网络模型。

【技术特征摘要】
1.一种基于MYO臂环的假肢手控制方法，其特征在于，该方法通过使用MYO臂环实时采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，利用特征值和训练好的神经网络模型在线识别手部动作模式，将该动作模式转变为相应的电机运动指令，驱动假肢手做出相应的动作；所述的神经网络模型训练方法包括：执行人体手部动作，使用MYO臂环采集手臂肌肉的肌电信号，读取肌电信号并提取其特征值，根据特征值的样本，训练手部动作的神经网络模型。2.根据权利要求1所述的一种基于MYO臂环的假肢手控制方法，其特征在于，所述的肌电信号通过MYO臂环的蓝牙接口读取。3.根据权利要求1所述的一种基于MYO臂环的假肢手控制方法，其特征在于，所述的肌电信号的特征值的提取包括以下步骤：S1，使用MYO臂环的M个通道采集手臂肌肉的肌电信号并读取肌电信号，其中，通道个数M设置在2～8之间；S2，根据各通道肌电信号的时域特征，确定手部动作起止时间点；S3，在手部动作起止时间内截取一段肌电信号作为一个信号序列，对每个信号序列提取n个特征值，得到M个n维的特征向量；S4，采用主成分分析法对特征向量降维，得到M个k维的降维特征向量。4.根据权利要求3所述的一种基于MYO臂环的假肢手控制方法，其特征在于，所述的步骤S2中，手部动作起止时间点确...

【专利技术属性】
技术研发人员：李传江，王朋，张崇明，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：上海;31