[发明专利]一种用于下肢康复训练的外骨骼步态参数优化方法

权利要求书

1.一种用于下肢康复训练的外骨骼步态参数优化方法，其特征在于，包括以下步骤：

1)设置下肢康复外骨骼的初始步态，用户穿戴下肢康复外骨骼进行行走实验后获取当前步态下的外骨骼-步态契合度；

2)根据当前已行走实验的步态对应的外骨骼-步态契合度，使用混合高斯模型对步态库中已行走实验的步态进行聚类，获得步态聚类簇；

3)计算步态聚类簇的效用度并更新步态库中对应步态的效用度；

4)根据步态的当前效用度对步态库中的步态进行采样，获得采样步态集，再从步态集中选择效用度最大的步态；

5)根据当前效用度最大的步态，用户穿戴下肢康复外骨骼进行行走实验后获取当前步态下的外骨骼-步态契合度，重复2)-4)，直至达到预设轮次，将最终的步态对应的步态参数作为最优步态参数。

2.根据权利要求1所述的一种用于下肢康复训练的外骨骼步态参数优化方法，其特征在于，所述2)具体为：

2.1)采用贝叶斯信息准则计算当前的混合高斯模型聚类数目加倍前和加倍后对应的贝叶斯信息准则算子，将两者作差后获得算子差异，根据算子差异调整并获得最终混合高斯模型聚类数目；

2.2)基于当前混合高斯模型聚类数目以及当前已行走实验的步态对应的外骨骼-步态契合度，使用步态混合高斯模型对步态库中已行走实验的步态进行聚类，获得初始步态聚类簇；

2.3)根据最小覆盖域，调整当前步态聚类簇的覆盖面积，从而获得更新后步态聚类簇并作为最终的步态聚类簇。

3.根据权利要求2所述的一种用于下肢康复训练的外骨骼步态参数优化方法，其特征在于，所述2.1)中，根据算子差异调整并获得最终混合高斯模型聚类数目，具体为：

所述算子差异由加倍前的贝叶斯信息准则算子减去加倍后的贝叶斯信息准则算子获得，当算子差异小于0时，则对当前的混合高斯模型聚类数目聚类进行数目加倍后作为最终的混合高斯模型聚类数目，否则当前的混合高斯模型聚类数目不变。

4.根据权利要求2所述的一种用于下肢康复训练的外骨骼步态参数优化方法，其特征在于，所述步态混合高斯模型的公式如下：

G＝{(α₁，θ₁)_{(L，H，W，T，f)}，(α₂，θ₃)_{(L，H，W，T，f)}，…，(α_K，θ_K)_{(L，H，W，T，f)}}

其中，G表示步态混合高斯模型，(α_K，θ_K)_{(L，H，W，T，f)}表示步态混合高斯模型中的第K个高斯分布类簇，L为步长，H为步高，W为步宽，T为步态周期，f为外骨骼-步态契合度，α_K为第K个步态高斯分布的概率，θ_K表示第K个步态高斯分布的概率密度函数，K为混合高斯模型聚类数目。

5.根据权利要求2所述的一种用于下肢康复训练的外骨骼步态参数优化方法，其特征在于，所述2.3)中，对于每个初始步态聚类簇，利用以下公式计算每个初始步态聚类簇的覆盖面积，公式如下：

其中，Cov表示每个初始步态聚类簇的覆盖面积，σ_i表示步态聚类簇的第i维的标准差，N表示步态参数的维度。

如果当前步态聚类簇的覆盖面积小于最小覆盖域，则将当前最小覆盖域作为当前步态聚类簇的覆盖面积，进而更新当前步态聚类簇；否则，当前步态聚类簇的覆盖面积不变。

6.根据权利要求5所述的一种用于下肢康复训练的外骨骼步态参数优化方法，其特征在于，所述最小覆盖域的计算公式如下：

minTh＝Th×d^t

其中，minTh为最小覆盖域，Th为当前最小覆盖域，d为收敛率，t为迭代次数。

7.根据权利要求1所述的一种用于下肢康复训练的外骨骼步态参数优化方法，其特征在于，所述步态参数包括步长，步宽，步高，步态周期。