[发明专利]基于径向基神经网络的人体上肢肌肉力预测装置及方法

权利要求书

1.一种基于径向基神经网络的人体上肢肌肉力预测装置，其特征在于：由表面肌电信号传感器(1)、磁敏角度传感器(2)、信号预处理单元(3)组成；

所述的表面肌电信号传感器(1)由电极和蓝牙传感器组成；

所述的表面肌电信号传感器(1)通过蓝牙通信与信号预处理单元(3)连接；

所述的磁敏角度传感器(2)通过蓝牙与信号预处理单元连接；

所述的信号预处理单元(3)主要完成肌电信号的滤波、降噪和特征值提取及关节角数据的降噪滤波；

所述的信号预处理单元(3)为嵌入式系统，对采集的信号进行滤波、降噪和特征提取。

2.一种基于径向基神经网络的人体上肢肌肉力预测方法，其特征在于，包括肌肉力预测模型的训练流程、肌肉力预测模型的预测流程，包括以下步骤：

步骤1)在手臂上放置Mark点，以肘屈伸动作为例，Mark点的运动要能反映出肘屈伸动作，使用运动捕捉系统获得待预测者肘关节屈伸运动轨迹数据，使用人体上肢肌肉力预测装置采集和处理得到在肘关节屈伸过程中的肌电信号，肌电信号经过信号预处理单元得到肌电特征值数据；

步骤2)使用步骤1)中的肘关节屈伸运动轨迹数据结合开源软件Opensim中上肢肌肉骨骼模型计算相关肌肉的肌肉力及关节角；

步骤3)肌肉力训练流程，使用肌电信号的特征值(特征值包括肌电积分值、均方根值和波长)、肘关节角度值和肌肉力值作为数据训练径向基神经网络；

步骤4)肌肉力预测流程，使用肌电信号和关节角检测处理装置采集的肌电信号来预测上肢肌肉力；将肌电信号特征值、关节角作为神经网络的输入数据导入径向基神经网络中进行计算，即可得到肌肉力作为输出数据，实现肌肉力的预测；

所述步骤1)中手臂的Mark点位于两侧肩膀，肘关节两侧的旋转中心和桡骨末端的两侧(靠近腕骨)；

所述步骤2)中的肌肉骨骼模型为右上肢模型，该模型由7个身体部分(胸骨、锁骨、肩胛骨、肱骨、尺骨、桡骨和手)和17个自由度(胸锁关节、肩锁关节和肩锁关节的3个正交铰链，胸椎关节的3个平动自由度和转动自由度以及肘关节的屈伸和前臂旋后)组成；

所述步骤3)中肌电信号特征值中的肌电积分值计算如下：

所述步骤3)中肌电信号特征值中的均方根值计算方法如下：

所述步骤3)中肌电信号特征值中的波长计算方法如下：

所述步骤3)中的径向基神经网络的激活函数如下：

所述步骤3)中的径向基神经网络的输出如下：

所述步骤3)中训练流程的数据来源于本发明的人体上肢肌肉力预测装置采集和处理得到的上肢肌电信号特征值和vicon运动捕捉系统采集的运动轨迹数据及基于Opensim人体上肢肌肉骨骼模型计算所得的肌肉力；

所述步骤4)中肌电信号和关节角数据使用人体上肢肌肉力预测装置采集和处理，经过预处理单元处理后可以得到肌电信号特征值和关节角；径向基神经网络使用肌电信号特征值(肌电积分值、均方根值和波长)、肘关节角等数据实现人体上肢肌肉力的预测。