[发明专利]基于源端融合的假肢运动意图识别方法及其装置

说明书

本发明公开了一种基于源端融合的假肢运动意图识别方法及其装置，是将处理器通过设置在假肢脚掌上的压力传感器采集地面支反力分布情况，判断步态周期，计算步速；通过设置在假肢膝关节位置的加速度传感器采集的数据，区分平地、上楼梯、上斜坡、下楼梯、下斜坡路况；结合设置在假脚踝关节位置的角度传感器数据，区分上楼梯、上斜坡、下楼梯和下斜坡，最后所述处理器根据步速和路况判断截肢者运动意图。本发明处理器根据步速和路况，控制所述假肢改变动作，帮助假肢准确做出相应的动作，使得截肢者不需要自己用力来改变假肢动作，可以让截肢者在假肢使用过程中更加省力，也能让假肢的步态更加自然。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种基于源端融合的假肢运动意图识别方法及其装置。

背景技术

随着社会的发展，生活水平的提高，截肢者对于智能假肢的要求越来越高，简单的行走和站立已经不能满足截肢者的要求，截肢者还需要智能假肢能够识别他们的运动意图，根据不同的步速，不同的路况进行步态的调节。要实现智能假肢能够根据步速路况调节步态，智能假肢必须能够识别步速路况等信息，准确识别截肢者的运动意图，所以运动意图的识别对于提高智能假肢性能具有重要意义。

目前运动意图识别的主要方法为采用陀螺仪和加速度传感器计算分析运动意图。主要方法为在智能假肢的残肢腔安装陀螺仪和加速度传感器，在脚底安装压力开关传感器，通过压力传感器开关信号区别步态周期的支撑相和摆动相，通过陀螺仪测试大腿残肢的角速度，根据角速度计算髋关节角度，通过加速度传感器测试大腿残肢的加速度，将测试到的压力、髋关节角度、角速度、加速度等数据通过传感器融合算法和隐马尔可夫模型与前期建立的数据模型库进行匹配判断路况，识别截肢者运动意图。但是采用陀螺仪和加速度传感器计算分析运动意图的方法，需要将采集到的数据经过传感器融合算法和隐马尔可夫模型计算分析得到每种路况的可能性，然后将可能性最高的路况确定为当前路况，这种方法不能100%确定准确路况，由于算法的局限性判断的准确率只能达到90%。而且这种识别方法前期需要建立复杂的数据库，后期使用过程中也需要对传感器数据进行复杂的处理计算，算法复杂，容易判断失误。

发明内容

针对上述现有技术存在的缺陷，本发明提供一种基于源端融合的假肢运动意图识别方法及其装置，在截肢者运动过程中，能准确的判断截肢者的运动意图，控制智能假肢按照截肢者运动意图动作，使得智能假肢穿戴者使用更加舒适、步态更加自然。

本发明提供的基于源端融合的假肢运动意图识别方法，其改进之处在于，所述方法包括处理器通过设置在假肢脚掌上的压力传感器采集地面支反力分布情况，判断步态周期，计算步速；通过设置在假肢膝关节位置的加速度传感器采集的数据，区分平地、上楼梯、上斜坡、下楼梯、下斜坡路况；结合设置在假脚踝关节位置的角度传感器数据，区分上楼梯、上斜坡、下楼梯和下斜坡，最后所述处理器根据步速和路况判断截肢者运动意图。

其中，所述区分上楼梯、上斜坡、下楼梯和下斜坡路况包括：

上楼梯：膝关节在重力方向向上运动，加速度数据为正，步态周期的中期，踝关节角度为0±8°；

下楼梯：膝关节在重力方向向下运动，加速度数据为负，步态周期的后期，踝关节角度<-10°；

上斜坡：膝关节在重力方向向上运动，加速度数据为正，步态周期的中期，踝关节角度>20°；

下斜坡：膝关节在重力方向向下运动，加速度数据为负，步态周期的后期，踝关节角度>0°。

其中，计算步速的公式包括：

式中，为步速； 为步频；为步长。

其中，所述处理器根据步速和路况，控制所述假肢改变动作。

其中，所述压力传感器包括第一压力传感器和第二压力传感器，用于采集所述假脚的前脚掌和后脚掌的地面支反力。