[发明专利]一种假肢关节运动耦合驱动信号的采集运算方法

摘要

本发明属于生物肌电技术领域，具体涉及一种假肢关节运动耦合驱动信号的采集运算方法，是基于多维AR模型的EMG信号解码技术实现的，采用多维AR模型（mAR）识别多通道EMG信号的特征参数，开发了LDA特征降维算法程序，对特征向量进行降维处理，采用神经网络进行动作模式分类。该研究的主要目标是比较一维信号处理方法和多维信号处理方法在EMG信号特征分析与模式分类中的应用效果，研究多通道EMG信号之间的相关性及其对关节运动的耦合驱动特征。本发明具有识别率高，动作准确等特点。

主权项

一种假肢关节运动耦合驱动信号的采集运算方法，是基于多维AR模型的EMG信号解码技术实现的，其特征包括以下步骤：第一步：测量EMG信号之间的通道i数据；记为（i＝1,…,n，n为通道数），第二步：通过mAR模型对第一步所采集的EMG信号进行特征分析；X_k=A₁X_k‑1+A₂X_k‑2+...+A_pX_k‑p+e_k所述是n维随机状态矢量，为模型的系数矩阵，e_i为n维残差向量,p为mAR模型的阶数，k为采样时刻，所述mAR模型可表示为矩阵形式：所述mAR模型的系数矩阵可由最小二乘法求得：A=bX^T(XX^T)^‑1所述在mAR模型中，每个系数矩阵A_j（j＝1,…,p）中包含n²个参数，因此p阶、n维AR模型共有p·n²个参数，第三步：通过LDA算法程序对第二步中分析出的mAR模型的72维参数特征向量进行降维处理，得到7维特征向量；第四步：采用BP网络作为动作模式分类器，网络节点数为k‑10‑8（k=7为输入模式向量维数，输出层节点数8为动作模式数），隐层结点数10，为了便于比较分析，采用标量AR模型（sAR模型）对6通道EMG信号分别建模，sAR模型阶数为4，同样采用LDA方法对24（4×6）维参数向量降维，并利用神经网络进行分类。