一种基于表面肌电信号的躯干代偿检测和消除系统技术方案

本发明专利技术公开了一种基于表面肌电信号的躯干代偿检测和消除系统。所述系统包括：表面肌电信号采集模块，用于采集受试者做实验动作时的躯干浅层肌肉的表面肌电信号；信号处理模块，处理原始表面肌电信号，由离线处理模块和在线处理模块组成，离线处理模块用于训练和测试SVM多类分类器，在线处理模块使用训练好的SVM多类分类器进行在线检测并将检测结果输出值语音提醒模块；语音提醒模块，将在线处理模块输出的检测结果以语音的形式通知受试者并提醒受试者纠正已产生的躯干代偿运动。本发明专利技术基于表面肌电信号进行躯干代偿运动的检测与消除，该方法简单有效，准确率高，能够实时检测受试者是否产生躯干代偿运动并提醒受试者纠正已产生的躯干代偿运动。

Detection and elimination system of trunk compensation based on sEMG

【技术实现步骤摘要】
一种基于表面肌电信号的躯干代偿检测和消除系统
本专利技术涉及康复医学与模式识别领域，具体涉及一种基于表面肌电信号的躯干代偿检测和消除系统。
技术介绍
调查显示脑卒中是我国成年人残疾的首要原因。众多的临床实践表明，康复训练可以有效促进脑卒中患者上肢运动功能障碍的恢复。然而，在康复训练期间，由于上肢运动功能的不足，患者习惯于使用躯干肌肉和关节来辅助上肢运动，这就是躯干代偿。常见的躯干代偿运动有三种，分别为：前倾、躯干旋转和肩上抬代偿。然而，无论发生何种躯干代偿运动，都会使得上肢得不到充分的训练，降低了康复训练效果。因此，检测和消除躯干代偿运动是非常有必要的。近年来，在躯干代偿检测和消除领域已经有了一些研究。现有的躯干代偿检测方法主要分为两大类：一类基于视觉传感器，另一类是基于惯性传感器。这两种方法都存在各自的不足。基于视觉传感器的检测方法过于依赖环境如光照，而惯性传感器需要经过复杂的校正，长时间测量精度会下降。更重要的是，基于这两种方法在健康人模拟躯干代偿检测中取得了不佳的检测性能。表面肌电信号因其蕴含肌肉运动信息、易获取性、非植入式、能够长时间检测等优点，被广泛应用于康复领域和模式识别领域等。前人工作表明基于表面肌电信号的模式识别以及取得了较好的性能，比如在手势识别、上肢运动识别等。然而，尚未有相关研究用于躯干代偿运动检测。
技术实现思路
本专利技术的目的是针对现有技术中存在的技术缺陷，为了提高躯干代偿检测的准确率和消除躯干代偿，提出了一种基于表面肌电信号的躯干代偿检测和消除系统。<br>本专利技术的目的至少通过如下技术方案之一实现。一种基于表面肌电信号的躯干代偿检测和消除系统，包括表面肌电信号采集模块、信号处理模块和语音提醒模块；其中信号处理模块包括离线处理模块和在线处理模块；表面肌电信号采集模块用于采集受试者做实验动作时的躯干浅层肌肉的表面肌电信号并将其发送至离线处理模块以及在线处理模块；信号处理模块用于处理原始表面肌电信号；其中，离线处理模块用于训练和测试SVM多类分类器，在线处理模块使用训练好的SVM多类分类器进行在线检测并将检测结果输出值语音提醒模块；语音提醒模块，将在线处理模块输出的检测结果以语音的形式通知受试者并提醒受试者纠正已产生的躯干代偿运动。进一步地，所述离线处理模块的工作步骤如下：2.1.1、数据预处理，对采集的原始的表面肌电信号进行基线校正、滤波、分窗、划分活动段处理；2.1.2、提取重组的时域特征，组成特征集；2.1.3、将步骤2.1.2中提取的特征集打标签，并分为训练集和测试集，用来对SVM多类分类器进行离线训练和测试；所述在线处理模块的工作步骤如下：2.2.1、采用与步骤2.1.1相同的数据预处理方法；2.2.2、提取一个滑动窗内的与步骤2.1.2相同的重组时域特征；2.2.3、将步骤2.1.3离线训练好的SVM多类分类器用于在线检测。进一步地，所述实验动作是由上肢单侧手臂完成的没有伴随躯干代偿的前后运动、左右运动、上下运动以及伴随有前倾代偿的前后运动、带有躯干旋转代偿的左右运动和带有肩上抬代偿的上下运动；所述躯干浅层肌肉分别为左右腹直肌、左右腹外斜肌、左右竖脊肌胸部、左右竖脊肌腹部和位于运动手一侧的斜方肌上束，共计9块肌肉。进一步地，所述步骤2.1.1中，数据预处理依次包括减去静息状态的基线偏移、通过巴特沃斯带通滤波器消除运动伪迹和心电干扰、通过工频陷波器消除工频干扰、以滑动窗的形式对表面肌电信号进行划分、采用基于最优阈值的样本熵算法划分活动段并求出最优样本熵阈值。进一步地，所述最优阈值的样本熵算法的实现为：输入：多通道表面肌电信号yi，i为通道数,已知待检测活动段次数n，采样频率Fs，一个滑动窗内的表面肌电信号采样个数M；循环变量：外循环变量是每次动作的持续时间sec秒，sec＝0～10,内循环变量是固定阈值x，0<x<2；循环体：循环执行固定阈值样本熵算法，输出检测到的活动段次数m，并判断是否等于已知的活动段次数n；输出：最优阈值即满足m＝n时的样本熵阈值x、长度为a的一维活动段起点数组t1和终点数组t2，长度为a的一维活动段起点数组t1和终点数组t2，a在数值上等于m。进一步地，所述固定阈值样本熵算法的实现步骤为：求取多通道表面肌电信号之和，作为目标时序信号；以滑动窗的形式划分目标时序信号；求取每个滑动窗的样本熵；基于固定阈值判断活动段的约束条件如下：满足该条件的第t1(l)个滑动窗为检测到的第l个活动段的起点，0<≤m，第t2(l)个滑动窗为第l个活动段的终点，s(t1(l))和s(t2(l))分别代表第t1(l)和t2(l)个滑动窗的样本熵。进一步地，所述步骤2.1.2中，提取的时域特征分别为均方根值RMS、方差VAR、平均绝对值MAV、波长WL以及4阶AR系数，计算公式分别如下：公式中,为滤波后的第i通道表面肌电信号中的第t个滑动窗中的第k个数据点；i取值为正整数1～9；aj为第j阶的AR系数；q为AR阶数，取值为4；为白噪声残差；对于不同侧手臂运动时，躯干代偿如躯干旋转和肩上抬所对应的控制肌肉是不同的，为了排除左右侧运动对结果的影响，对时域特征进行重组，计算公式如下：公式中，i为采集通道，取值为2、4、6、8；FT代表5个时域特征中的任意一个；ReFT代表对应的重组时域特征；对重组的时域特征进行组合，共分成6组，分别为：MAV+VAR+WL+AR4、RMS+VAR+WL+AR4、RMS+MAV+WL+AR4、RMS+MAV+VAR+AR4、RMS+MAV+VAR+WL、RMS+MAV+VAR+WL+AR4；每个组合构成一个完整的特征集。进一步地，所述步骤2.1.3中，以躯干代偿类型确定输出标签，分别为：无代偿、前倾代偿、躯干旋转代偿、肩上抬代偿；将特征集按照80％:20％的比例划分成训练集和测试集，并采用五折交叉验证的方式训练和测试SVM多类分类器，得到平均准确率。进一步地，所述语音提醒模块，根据在线处理模块输出的检测结果，调用不同躯干代偿运动对应的提醒文本，基于微软语音引擎SAPI实现文本转语音即TTS，并将语音通过音箱放大进而提醒受试者。与现有技术比较，本专利技术具有如下优点和技术效果：提出了一种基于表面肌电信号的躯干代偿运动检测系统，并取得了优异的检测准确率；提出基于语音提醒的方式消除代偿，操作简单方便；将检测和消除结合实现在线化，满足了实时性要求，也有利于患者获得更好的康复训练效果。附图说明图1为本专利技术实施例所述方法流程图。图2a、2b为本专利技术实施例中的表面电极的位置示意图。图3a、3b、3c为本专利技术实施例中的实验动作示意图。图4为本专利技术实施例中的基于最优阈值的样本熵算法流程图。图5为本专利技术实施例中的基于最本文档来自技高网...

【技术保护点】
1.一种基于表面肌电信号的躯干代偿检测和消除系统，其特征在于，包括表面肌电信号采集模块、信号处理模块和语音提醒模块；其中信号处理模块包括离线处理模块和在线处理模块；/n表面肌电信号采集模块用于采集受试者做实验动作时的躯干浅层肌肉的表面肌电信号并将其发送至离线处理模块以及在线处理模块；/n信号处理模块用于处理原始表面肌电信号；其中，离线处理模块用于训练和测试SVM多类分类器，在线处理模块使用训练好的SVM多类分类器进行在线检测并将检测结果输出值语音提醒模块；/n语音提醒模块，将在线处理模块输出的检测结果以语音的形式通知受试者并提醒受试者纠正已产生的躯干代偿运动。/n

【技术特征摘要】
1.一种基于表面肌电信号的躯干代偿检测和消除系统，其特征在于，包括表面肌电信号采集模块、信号处理模块和语音提醒模块；其中信号处理模块包括离线处理模块和在线处理模块；
表面肌电信号采集模块用于采集受试者做实验动作时的躯干浅层肌肉的表面肌电信号并将其发送至离线处理模块以及在线处理模块；
信号处理模块用于处理原始表面肌电信号；其中，离线处理模块用于训练和测试SVM多类分类器，在线处理模块使用训练好的SVM多类分类器进行在线检测并将检测结果输出值语音提醒模块；
语音提醒模块，将在线处理模块输出的检测结果以语音的形式通知受试者并提醒受试者纠正已产生的躯干代偿运动。


2.根据权利要求1所述的一种基于表面肌电信号的躯干代偿检测和消除系统，其特征在于，所述离线处理模块的工作步骤如下：
2.1.1、数据预处理，对采集的原始的表面肌电信号进行基线校正、滤波、分窗、划分活动段处理；
2.1.2、提取重组的时域特征，组成特征集；
2.1.3、将步骤2.1.2中提取的特征集打标签，并分为训练集和测试集，用来对SVM多类分类器进行离线训练和测试；
所述在线处理模块的工作步骤如下：
2.2.1、采用与步骤2.1.1相同的数据预处理方法；
2.2.2、提取一个滑动窗内的与步骤2.1.2相同的重组时域特征；
2.2.3、将步骤2.1.3离线训练好的SVM多类分类器用于在线检测。


3.根据权利要求1所述的一种基于表面肌电信号的躯干代偿检测和消除系统，其特征在于，所述实验动作是由上肢单侧手臂完成的没有伴随躯干代偿的前后运动、左右运动、上下运动以及伴随有前倾代偿的前后运动、带有躯干旋转代偿的左右运动和带有肩上抬代偿的上下运动；所述躯干浅层肌肉分别为左右腹直肌、左右腹外斜肌、左右竖脊肌胸部、左右竖脊肌腹部和位于运动手一侧的斜方肌上束，共计9块肌肉。


4.根据权利要求2所述的一种基于表面肌电信号的躯干代偿检测和消除系统，其特征在于，所述步骤2.1.1中，数据预处理依次包括减去静息状态的基线偏移、通过巴特沃斯带通滤波器消除运动伪迹和心电干扰、通过工频陷波器消除工频干扰、以滑动窗的形式对表面肌电信号进行划分、采用基于最优阈值的样本熵算法划分活动段并求出最优样本熵阈值。


5.根据权利要求4所述的一种基于表面肌电信号的躯干代偿检测和消除系统，其特征在于，所述最优阈值的样本熵算法的实现为：
输入：多通道表面肌电信号yi，i为通道数，已知待检测活动段次数n，采样频率Fs，一个滑动窗内的表面肌电信号采样个数M；
循环变量：外循环变量是每次动作的持续时间sec秒，sec＝0～10，内循环变量是固定阈值x，0＜x＜2；
循环体：循环执行固定阈值...

【专利技术属性】
技术研发人员：谢龙汉，马可，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44