[发明专利]一种基于动态表面肌电信号的运动意图解码方法

说明书

本发明涉及一种基于动态表面肌电信号的运动意图解码方法，首先选取用于构造训练集的肌电信号，其次对选取的肌电信号进行预处理，生成可用于输入分类器的输入样本集，并用构造好的训练集离线训练分类器，接着选取用于离线测试分类器的肌电信号，按照分类器解码准确率选出最佳训练集，以及最佳特征，将离线测试出的最佳分类器作为在线识别所用的分类器，将在线识别所得的识别结果作为人机接口的控制信号，实现肌电控制系统的实时控制。

技术领域

本发明涉及肌电信号处理领域，特别是一种基于动态表面肌电信号的运动意图解码方法。

背景技术

神经损伤后常常伴随着人手等部位功能受损，如中风和脊髓损伤，机器人辅助训练为神经损伤康复提供了有效方法，已经开发了各种机器人手和外骨骼用于康复训练，研究表明，有用户自主意愿参与的人机交互控制系统可以提高康复训练的安全性和治疗效果。而肌电信号作为一种生物电信号，可以代表神经肌肉的活动，反应自主意愿，表征人的运动意图，已被广泛用于为医疗辅助装置等提供丰富的运动控制信息。

公开使用的技术中，肌电信号用于控制系统时首先要检测出肌电信号的起点，截取起点后一段时间窗长作为分类模型的输入信号，原始肌电信号经特征提取后输入分类器进行意图解码，将意图解码的结果作为控制器的输入信号。表面肌电信号有动态部分和稳态部分，在这些技术中，用于实时分类的肌电信号为起点检测后的动态肌电信号，但未描述如何训练分类器进行离线建模，而目前已发表的对表面肌电信号进行意图解码的技术中，用于训练分类器的数据集都是基于肌电信号的稳态部分。用稳态肌电信号训练并用稳态肌电信号测试的技术可以获得高识别率，但是在实时控制系统中，输入分类器的信号是肌电信号的动态部分，这种基于稳态肌电信号的分类器在动态肌电信号测试下并不能取得好的分类结果，另外，如果用稳态肌电信号进行在线意图解码，那么就意味着忽略了静态到稳态的过渡过程，造成系统延时。

现有已发表技术也表明，动态肌电信号中蕴涵有动作信息，针对已发表技术中存在的以上问题，本专利提出一种适用于动态表面肌电信号运动意图解码的方法，以提高肌电控制系统的实时性。

发明内容

有鉴于此，本发明的目的是提出一种基于动态表面肌电信号的运动意图解码方法，能够提高肌电控制系统的实时性。

本发明采用以下方案实现：一种基于动态表面肌电信号的运动意图解码方法，包括以下步骤：

步骤S1：设计不同训练集构造方案；

步骤S2：对原始信号进行预处理；

步骤S3：训练分类器；

步骤S4：选取用来测试分类器的动态肌电信号；

步骤S5：测试训练好的分类器并选出最优特征和训练集构造方案；

步骤S6：在线意图解码。

本发明意在解决运动意图解码问题。通过选择合适的分类器、训练集以及特征，训练适合对动态肌电信号进行意图解码的分类器，实现在肌电控制系统延时范围内对动态肌电信号意图解码的目的。

进一步地，步骤S1中，所述训练集包括三类，分别为纯动态肌电信号、纯稳态肌电信号、以及稳态肌电信号与动态肌电信号的结合信号。

进一步地，步骤S2具体包括以下步骤：

步骤S21：将训练数据集进行加窗处理；

步骤S22：计算每个时间窗内的肌电特征，比较不同特征对动态肌电信号解码的影响，并进行特征提取；

步骤S23：生成满足分类器要求的输入样本。

进一步地，步骤S21具体为：用时间窗对动态肌电信号进行分割，通过重叠窗的形式将原始信号构造成多个样本；分割后的窗口数量采用下式计算：