[发明专利]一种基于表面肌电信号连续估计人体关节角度的方法

说明书

本发明属于人机交互领域，并公开了一种基于表面肌电信号连续估计人体关节角度的方法。该方法包括下列步骤：(a)选取待预测对象的关节部位，采集其关节部位的肌电信号及关节角度信号；(b)对采集的肌电信号和关节角度信号分别进行预处理；(c)利用预处理后的肌电信号和关节角度信号，采用稀疏伪输入高斯过程回归算法构建关于肌电信号和关节角度信号的预测模型；(d)采集待预测对象的实时肌电信号输入预测模型中，以此获得所需的关节角度信号。通过本发明，以连续的方式实现表面肌电信号映射到关节角度上的运动，保证连续估计的实时性，提高预测准确性，降低计算复杂度。

技术领域

本发明属于人机交互领域，更具体地，涉及一种基于表面肌电信号连续估计人体关节角度的方法。

背景技术

“人机自然交互”作为其中重要的组成模块备受人们的关注，人体表面肌电信号(sEMG)因其易于采集、包含人体运动意图信息及其信号发生超前于运动的特点，故可作为人机交互的接口，用以实现人机自然交互。目前以表面肌电信号为人机接口的商业设备通常受限于运动范围，感官反馈和直观控制方面的有限功能，尽管设备的机械结构具有多自由度，能够完成灵活的动作，但受制于人体意图识别的可靠性，人机交互设备不得不采用简单的阈值控制进行开关控制或者通过模式识别进行有限的、离散的模式控制。

目前，模式识别方法对人体运动意图的预估体现在对预先设定模式的分类结果上，模式识别的方法通常被认为具有以下的两个特点：①控制的离散性，模式识别的结果为N种预先设定的类别之一，其目标空间是一个离散且固定的空间{类别1，类别2……类别N}，仅为人体连续的运动空间中无数采样点中的极少部分特殊样本；②控制的顺序性，模式识别的结果不会同时属于两个类别，所以模式识别结果的执行过程是顺序性的；模式识别的这两个特点是其与人体自然运动的核心差异所在，人体能够在目标空间连续的控制多种运动模式(不在预先设定的模式内)，也能在模式A执行的过程中随时切换至模式B，也可以在连续的运动空间中对模式A进行细微调整，因此，尽管模式识别能够准确识别多种模式，但是相对于人体自然的运动而言，采用模式识别这种方法实现人机交互是不自然的，主要是因其目标空间是离散的，而人体得到自然运动是一个连续过程，故模式识别控制的顺序性不符合人体的自然运动。

连续估计的方法能有效克服模式识别在人体运动意图预估上的缺点，成为了在连续运动空间实现自然人机交互的一种方式。但是，由于连续估计的方法将预测范围扩展至整个关节的连续运动空间而不是预先设定的某些运动模式，所以连续估计的方法对算法有以下两点要求：(1)高非线性映射能力，高的非线性映射能力能提高在人体连续的运动空间预测的准确性；(2)算法输出时低的计算复杂度，低的计算复杂度能保证人机交互的实时性，其中，高斯过程回归方法是连续估计的方法，具有非参数的特性，不需要对目标函数作假设，避免了建立从肌电到运动的生理模型的复杂过程，其次，通过引入核函数，对非线性问题具有较好的回归效果，适合处理肌电到运动之间的非线性映射关系；但是，其仅仅适合小样本回归的特性，传统的高斯过程回归无法保证人体多关节角度在线预测的实时性，也就是说，目前采用连续估计的方法在人体运动意图预估时，存在以下问题：预测的准确性低，实时性差，计算复杂。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于表面肌电信号连续估计关节角度的方法，通过采用稀疏伪输入高斯过程回归算法构建肌电信号和人体关节角度的映射模型，以连续的方式实现表面肌电信号映射到关节角度上的运动，保证连续估计的实时性，由此解决连续估计方法预测准确性低、实时性差，计算复杂的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于表面肌电信号连续估计人体关节角度的方法，其特征在于，该方法包括下列步骤：

(a)选取待预测对象的关节部位，按照预设采样频率采集所述待预测对象的关节部位的肌电信号及关节角度信号；

(b)分别对采集的所述肌电信号和关节角度信号进行预处理，并使得预处理后的所述关节角度信号与肌电信号按照采样时间一一对应；