[发明专利]基于脑电-肌电信号的下肢康复机器人控制方法及系统

权利要求书

1.一种基于脑电-肌电信号的下肢康复机器人控制方法，其特征是，包括以下步骤：

a、根据使用者的特定运动意图，同步采集对应的脑电信号和肌电信号；

b、将采集到的脑电信号与肌电信号进行预处理，去除信号噪声；

c、对经步骤b处理的肌电信号进行特征提取，建立基于肌电信号的运动模型；对提取的肌电信号的时频特征进行分析，其时频特征包括积分肌电值IEMG、均方根值RMS和过零点次数ZC，其中，积分肌电值表达式为：

其中，EMG(t)经整流滤波后的表面肌电信号sEMG；均方根值表达式为：

其中，X_i为原始sEMG信号,N_i为时间窗的长度，单位为μV；过零点次数表达式为：

其中，

所述运动模型的表达式为：

F＝A₁×IEMG+A₂×RMS+A₃×ZC

式中，F是肌肉力量，A₁、A₂、A₃分别为IEMG、RMS、ZC的权重；

d、将经步骤b处理的肌电信号和脑电信号进行相干性分析，建立针对使用者运动意图的脑电-肌电分类器模板；

e、康复训练时，实时采集使用者的脑电信号和肌电信号，并按步骤b进行处理；将经处理后的脑电信号和肌电信号输入所述脑电-肌电分类器模板，并输出运动意图的分类结果，同时，将肌电信号进行特征提取，并应用所述运动模型进行验证，根据分类结果和验证结果给下肢康复机器人控制器发出指令，控制下肢康复机器人执行相应的运动动作。

2.根据权利要求1所述的基于脑电-肌电信号的下肢康复机器人控制方法，其特征是，步骤b具体过程为：

b-1、将采集的脑电信号与肌电信号进行数据重组，分别添加对应的运动意图信息和电极位置信息；

b-2、对信号数据进行去均值处理；

b-3、去除工频信号干扰；

b-4、应用小波变换进行降噪处理。

3.根据权利要求2所述的基于脑电-肌电信号的下肢康复机器人控制方法，其特征是，步骤b-3中，利用自适应滤波器进行工频噪声的去除，滤波器的数学表达式为：

e(n)＝d(n)-y(n)；

其中，滤波器的阶数为M，滤波器系数为w，x(n)为输入的脑电或肌电信号，y(n)为输出信号，d(n)为参考的输出信号，e(n)为误差信号，自适应算法函数用来调节数字滤波器的系数，使e(n)的均方值达到最小。

4.根据权利要求2所述的基于脑电-肌电信号的下肢康复机器人控制方法，其特征是，步骤b-4中，首先对去除工频信号干扰之后的脑电或肌电信号进行小波分解，选择db5小波，分解6层，然后对每层的高频系数进行阈值量化处理，并对低频系数进行提取，最后根据小波分解后提取的低频系数和量化后的高频系数进行信号重构。

5.根据权利要求1所述的基于脑电-肌电信号的下肢康复机器人控制方法，其特征是，步骤d中，所述的相干性分析采用功率谱分析方法，其计算公式如下：

其中，x为脑电信号，y为肌电信号，C_xx(f)为x的自谱函数，C_yy(f)为y的自谱函数，C_xy(f)为x和y的互谱函数，C(f)为x和y的相干性系数。

6.根据权利要求5所述的基于脑电-肌电信号的下肢康复机器人控制方法，其特征是，步骤d中，脑电-肌电分类器模板采用线性判别分析方法建立，具体为：在一个实数空间有m个C(f)样本，分别是x1，x2，x3…xm，每个x是n行的矩阵，其中n_i表示属于i类的样本个数，总共有4类，则n₁+n₂+n₃+n₄＝m，基本判别准则是Fisher鉴别准则：

其中为n维列矢量，

S_b为类间离散度，S_w为类内离散度，n_i为各类样本的权重，

u_i为各个类样本的均值，u为总体样本均值，选取使得取得最大值，并以作为投影方向，使得投影后的样本具有最大类间距和最小类内距。