[发明专利]基于双臂肌电、姿态信息采集的智能假肢及运动分类方法

说明书

技术领域

本发明属于肌电假肢智能控制技术领域，涉及一种基于双臂肌电、姿态信息采集的智能假肢及其运动分类方法。

背景技术

有数百万人由于后天截肢或先天性肢体缺陷失去了手臂。为了提高他们的生活质量，可采用智能假肢替代美容手套假手，实现原有手臂功能，辅助进行日常行为活动。

肌肉电信号反应了人的运动意图。人体在进行相应的动作时，大脑会通过神经系统给相应的肌肉指令，即使失去肢体，相应的神经通路也会有电信号传输，反应了当前人的意图。例如失去前臂的患者，上臂内的神经通路，与头部连接。当患者想进行拿取，握拳等动作时，神经指令也会以电信号的形式通过原有的神经传输。检测肌肉电信号，就可以分析人体的动作意图，从而为进一步的控制假肢运动打下基础。但由于表面肌肉电信号不足以完全反映出复杂的手臂运动状态，因此通常采用神经网络等方法建立监测的肌电信号与假肢动作之间的关系。通常预先设定几种假肢动作种类，如抓紧，放松等。通常都是假肢手肌肉电信号与单一动作之间的关系，通过建立的学习阶段及执行阶段的处理方法，假肢手可实现执行简单动作。但是所实现效果都不理想。

发明内容

发明目的：本发明提供一种基于双臂肌电、姿态信息采集的智能假肢及其运动分类方法，其目的是解决以往所存在的不足。

技术方案：本发明是通过以下技术方案实现的：

基于双臂肌电、姿态信息采集的智能假肢，其特征在于：该假肢包括表面肌电信号采集模块、肌电信号处理模块、动作模式识别模块、模式匹配模块和假肢动作执行模块；表面肌电信号采集模块连接肌电信号处理模块，肌电信号处理模块连接动作模式识别模块，动作模式识别模块连接模式匹配模块，模式匹配模块连接假肢动作执行模块。

表面肌电信号采集模块为使用时贴在前臂部分表面的三维姿态传感器和肌电信号采集器，肌电信号处理模块包括活动段检测单元和肌电信号去噪单元，动作模式识别模块包括特征提取单元和分类器，假肢动作执行模块即仿生手控制模块包括四指电机、拇指电机、腕关节电机和机械传递装置，三维姿态传感器使用时分别设置在正常手臂和受伤手臂处。

三维姿态传感器和肌电信号采集器连接活动段检测单元，活动段检测单元连接肌电信号去噪单元，肌电信号去噪单元连接特征提取单元，特征提取单元连接分类器，分类器连接模式匹配单元，模式匹配单元连接四指电机、拇指电机和腕关节电机，四指电机通过机械传递装置连接假肢手的四指，拇指电机通过机械传递装置连接假肢手的拇指，腕关节电机通过机械传递装置连接假肢手的腕关节。

采用小波变换进行降噪处理

肌电信号采集器通过信号调理电路连接活动段检测单元。

利用上述的基于双臂肌电、姿态信息采集的智能假肢所实施的基于双臂肌电、姿态信息采集的智能假肢运动分类方法，其特征在于：该方法中，大脑发出运动意图引发大脑皮层相应的运动控制区兴奋，进而引起人体运动中枢的神经冲动并传输至人的前臂肌肉，从而产生动作电位序列经组织液和皮脂到达皮肤表面，利用三维姿态传感器的皮肤表面电极在皮肤处拾取表面肌电信号，经信号调理电路进行放大和滤波调制后，对信号进行预处理，提取肌电信号特征并进行模式分类，将分类结果进行模式匹配并发送给假手，假手通过控制指关节驱动电机执行相应的动作，实现假肢手的控制。

该方法的步骤如下：

（1）、将肌电信号采集器和三维姿态传感器分别贴在正常手臂和受伤手臂的前臂处；

（2）、利用肌电信号采集器和三维姿态传感器检测使用者假肢手残肢肌肉和正常手肌肉表面肌电信号；

（3）、肌电信号采集以后利用信号调理电路对肌电信号矫正、滤波和放大，并通过时域分析的方法提取特征后用贝叶斯分类器进行模式识别，识别出使用者两只手的运动模式；

（4）、分类出的肌电信号与三维姿态传感器传送的信号相结合，传送到动作模式识别模块，识别出使用者两只手的运动模式；

（5）、判断正常手臂肌肉形成的肌电信号和三维姿态传感器传送的信号是否与所建立的双手动作匹配库中任意一种模式匹配，判断是否捕捉到某一动作模式，如果出现动作特征，那么查找双手动作匹配库，找出与其匹配的动作模式；

（6）、输出相应动作模式的控制信号，通过连接输出的模式匹配信号与智能假肢手控制器即假肢动作执行模块，实现智能假肢的模式匹配。

所述的智能假肢的运动模式分为姿态和抓取两种模式。其中姿态模式选取8种基本人手运动模式，基本抓取模式包括柱形抓取模式、指尖抓取模式、钩形抓取模式、掌心捏取模式、球形抓取模式和侧边抓取模式。