[发明专利]大腿残肢者的步态识别方法

摘要

本发明大腿残肢者的步态识别方法，涉及非移植在人体内的假体，步骤是：采集大腿截肢受试者在不同步态下的多通道残肢表面肌电信号，并对其进行预处理；对采集到的多通道残肢表面肌电信号进行特征值提取，构建相应的特征向量；用改进后有监督Kohonen神经网络聚类算法对大腿残肢者步态进行识别。本发明是一种基于肌电信号的外骨骼行走模式识别方法，对大腿截肢患者五种典型步态：平地、上楼梯、下楼梯、上斜坡和下斜坡进行准确分类，克服了现有技术存在的行走模式识别结果滞后、缺乏有效的路况识别、人机不能协调运动的缺陷。

主权项

1.大腿残肢者的步态识别方法，其特征在于：是一种基于肌电信号的外骨骼行走模式识别方法，对大腿截肢患者五种典型步态：平地、上楼梯、下楼梯、上斜坡和下斜坡进行准确分类，具体步骤如下：第一步，采集大腿截肢受试者在不同步态下的多通道残肢表面肌电信号，并对其进行预处理：选取单侧大腿以下部位截肢，穿戴3年以上假肢，有安装假肢经验并对假肢有很好的控制的，在24小时之内未经过剧烈运动无肌肉疲劳现象，体重45～80kg，残肢腿围比例在80％～95％的截肢者作为大腿截肢受试者，选取在不同行走模式下能起作用的皮肤表层的肌肉，将TrignoTM Wireless肌电采集设备中的肌电智能传感器贴放在上述选定的皮肤表层的肌肉位置，通过微调传感器的位置和测量，确定该传感器的准确贴放位置，根据上述选定的皮肤表层的肌肉位置的实际情况以及传感器的大小为大腿截肢受试者定制可嵌入肌电采集设备的智能传感器接受腔，搭建基于LabView的表面肌电信号的采集平台，记录大腿截肢受试者在平地、上楼梯、下楼梯、上斜坡和下斜坡五种不同步态下的多通道残肢表面肌电信号，TrignoTM Wireless肌电采集设备中自带的采集与分析软件系统将该设备采集到的多通道残肢表面肌电信号输入肌电信号传感器，并对其进行预处理，实时显示数据；第二步，对采集到的多通道残肢表面肌电信号进行特征值提取，构建相应的特征向量：对第一步采集到的多通道残肢表面肌电信号进行特征值提取，方法是，利用Teager‑Kaiser Energy算法来确定肌肉收缩的初始时刻，提取第一步采集到的步态初期前200ms的多通道残肢表面肌电信号特征值，包括时域特征中的平均值、均方根和标准差，频域特征的功率谱比值，再结合AR模型参数，最后将所有特征值使用偏最小二乘法进行融合构建相应的特征向量；第三步，用改进后有监督Kohonen神经网络聚类算法对大腿残肢者步态进行识别：将第二步得到的特征向量用最大最小距离法确定初始权值代替随机初始权值，用改进后有监督Kohonen神经网络聚类算法进行大腿残肢者的步态识别，同时用无监督的Kohonen神经网络算法以及K临近算法也进行大腿残肢者的步态识别，并且比较用改进后有监督Kohonen神经网络聚类算法进行大腿残肢者的步态识别得出的大腿残肢者的步态识别结果和用无监督的Kohonen神经网络算法以及K临近算法也进行大腿残肢者的步态识别得出的大腿残肢者的步态识别结果，从而验证改进后有监督Kohonen神经网络对大腿残肢者的步态识别的可行性以及有效性。