[发明专利]一种基于肌音信号的下肢假肢步态识别方法在审

专利信息
申请号: 202010655533.9 申请日: 2020-07-10
公开(公告)号: CN111759316A 公开(公告)日: 2020-10-13
发明(设计)人: 刘磊;杨存祥;王干一;宋寅卯;曹祥红;李丹丹;武东辉 申请(专利权)人: 郑州轻工业大学
主分类号: A61B5/11 分类号: A61B5/11;A61B5/0488;A61F2/60
代理公司: 郑州联科专利事务所(普通合伙) 41104 代理人: 王聚才
地址: 450000 *** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 音信 下肢 假肢 步态 识别 方法
【权利要求书】:

1.一种基于肌音信号的下肢假肢步态识别方法,其特征在于,包括以下步骤:

步骤1:采集大腿截肢患者的下肢肌音信号并对所述肌音信号进行预处理;具体的:

所述的大腿截肢患者为从坐骨结节下10cm至膝关节间隙上8cm范围内的大腿截肢患者,所述肌音信号为股直肌、股内侧肌、股外侧肌不同步态下的肌音信号,所述不同步态为平地行走、上楼、下楼、上坡、下坡5种不同步态;

步骤1.1:分别对大腿截肢患者的股直肌、股内侧肌、股外侧肌在平地行走、上楼、下楼、上坡、下坡5种不同步态下的肌音信号进行采集,并记为:X股直肌i、X股内侧肌i、X股外侧肌i,其中,i=1,2,3,4,5,分别表示平地行走、上楼、下楼、上坡、下坡5种不同步态,X股直肌i、X股内侧肌i、X股外侧肌i分别表示股直肌、股内侧肌、股外侧肌的肌音信号;

步骤1.2:分别对X股直肌i、X股内侧肌i、X股外侧肌i进行预处理,以获得预处理后的X’股直肌i、X’股内侧肌i、X’股外侧肌i,所述的预处理为滤波预处理;

步骤2:利用差分HOC提取X’股直肌i、X’股内侧肌i、X’股外侧肌i的步态识别的特征值样本集,具体的:

步骤2.1:计算构建肌音信号的特征向量W时选择的最高差分阶数θ,具体的:利用10位大腿截肢患者的股直肌肌音信号,计算得到最高差分阶数θ=13;

步骤2.2:利用θ=13时的差分HOC提取X’股直肌i、X’股内侧肌i、X’股外侧肌i的5种步态识别特征值样本集,具体的:

步骤3:将步骤2获得的步态识别的特征值样本集随机分为两组,一组为训练集,一组为测试集,利用训练集计算最优的用于相关向量机的核函数,建立优化的相关向量机多分类步态识别模型,具体的,包括以下步骤:

步骤3.1:通过蝙蝠算法优化相关向量机分类参数,得到最优相关向量机分类器,具体的,包括以下步骤:

步骤3.1.1:定义蝙蝠算法,具体的:

定义蝙蝠i在t时刻的位置为速度为在d维的觅食空间里,蝙蝠i在t+1时刻的位置和速度的更新公式如下:

fi=fmin+(fmax-fmin)β;

其中,fi表示蝙蝠i发出声波的频率,fi∈[fmin,fmax],fmin、fmax分别表示蝙蝠i发出声波的频率的最小值和最大值;β∈[0,1],x*表示t时刻全局搜索过程中蝙蝠i的最优位置;

蝙蝠i位置更新公式如下

xnew=xold+ηAt

式中:xold表示所选取的最优解;η是一个随机数,η∈[-1,1],At是所有蝙蝠在时刻t时发出声波的平均响度;xnew表示对最优解施加一个随机扰动之后得到的新解;

蝙蝠i发出声波的响度Ai和发射速率ri的调节计算公式为:

rit+1=ri0(1-exp(-γ3t));

式中:α表示声波响度增加系数,α∈[0,1];γ3表示一个大于0的常量;ri0表示初始发射速率;

步骤3.1.2:定义相关向量机,具体的:

给定输入训练集相关向量机的分类函数y(xi)定义为

其中,xi是训练集的第i个样本,xi∈R,ti∈{-1,+1}是类别标号.是核函数,wi是模型的权值;

相关向量机的核函数采用高斯核函数σ表示核函数参数;

步骤3.1.3:通过蝙蝠算法优化相关向量机分类参数,计算最优的用于相关向量机的核函数,具体的,包含以下步骤:

步骤3.1.3.1:选择训练集,所述的训练集即为从步骤2获得的步态识别的特征值样本集随机分为两组中的训练集,

步骤3.1.3.2:设定蝙蝠算法参数:最大迭代次数N=100,d=5,fmax=3,fmin=0,ri0=0.0001,α=0.75,γ3=0.96,η=0.5;

步骤3.1.3.3:设置核函数参数σ的取值范围,构建初始种群;

步骤3.1.3.4:以核函数参数σ下的相关向量机步态识别准确率作为适应度值,所述的适应度值即为种群中每个蝙蝠个体的适应度;

步骤3.1.3.5:定义并计算核函数参数σbest

进行迭代更新操作,并且计算迭代更新后的相关向量机在更新后的核函数参数σ下的步态识别准确率;若更新后的相关向量机在迭代更新后的核函数参数σ下的步态识别准确率最高,则将迭代更新后的核函数参数σ记为核函数参数σbest;若迭代更新后的相关向量机在迭代更新后的核函数参数σ下的步态识别准确率不是最高,则保留以前的核函数参数σbest

步骤3.1.3.6:最大迭代次数设为终止条件,若不满足终止条件,则返回步骤3.1.3.5继续进行迭代更新操作;当满足终止条件,即迭代次数达到最大,记录此时的σbest作为最优核函数参数,相关向量机采用此时的最优核函数参数σbest

步骤3.1.3.7:依据最优核函数参数σbest,建立优化的相关向量机多分类步态识别模型;

步骤4:利用步骤3.1.3.7获得的优化的相关向量机多分类步态识别模型对测试集进行识别,获取步态识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于郑州轻工业大学,未经郑州轻工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010655533.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code