[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
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 | ||
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。
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。
- 上一篇:一种振动摩擦驱动的电梯
- 下一篇:一种消防通风管道阀门通风板