[发明专利]基于肌电小波关联维的下肢关节角度预测方法

摘要

本发明涉及一种基于肌电小波关联维的下肢关节角度预测方法。首先，从人体下肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段。对动作信号段的表面肌电信号进行小波降噪得到有效表面肌电信号。然后将有效表面肌电信号进行小波多尺度分解,提取每一层的低频系数,再对每一层低频系数计算关联维。结合低频系数和关联维数计算有效肌电信号的小波关联维系数特征,将这一特征作为预测网络的输入。先将提取到的肌电信号分为训练集与测试集,按上述方法提取特征。训练集训练好网络之后,使用测试集验证预测准确率。实验结果表明，该方法获得了较高的人体下肢运动膝关节角度预测率，预测结果优于其它预测方法。

主权项

1.基于肌电小波关联维的下肢关节角度预测方法，其特征在于，该方法包括如下步骤：步骤(1).获取人体下肢肌电信号样本数据，具体操作是：首先用表面肌电信号采集仪获取与人体膝关节活动相关的肌肉表面肌电信号，再运用能量阈值确定动作的起始位置和终止位置作为原始肌电信号；步骤(2).将步骤(1)获取的原始肌电信号进行硬阈值小波降噪；将原始肌电信号进行多尺度小波分解，再将各尺度上由噪声产生的小波分量去掉，最后利用小波逆变换重构原始信号作为有效肌电信号；具体如下：s(k)＝f(k)+ε·e(k)，k＝0，1，...，n‑1式中，s(k)为原始肌电信号；f(k)为低频的非平稳肌电信号；e(k)为噪声信号，通常为白噪声；ε为阈值系数；通过实验确定降噪阈值ε；步骤(3).将步骤(2)获取的有效肌电信号使用db3小波进行多层分解，获得各层小波低频系数αij。i表示当前分解层数，j表示该小波低频系数的时间索引；步骤(4).计算步骤(3)中获得的各层小波系数的关联维数；关联维的计算采用从时间序列计算吸引子关联维的G‑P算法；具体如下：1)相空间重构.对一长度为N的肌电信号序列{x(k)，k＝1，2，…，N}，按下式进行重构：其中是新的时间序列，m与τ分别为嵌入维数，时延；2)计算关联积分Cn(r).以两个矢量的最大分量差作为它们之间的距离：式中xi，xj为重构相空间里的两个矢量，xij，xjk分别为xi，xj两个矢量中的任意两点，并且设定距离小于给定正数r的矢量，称为关联的矢量；设重构相空间中有n个矢量，计算其中有关联的矢量对数，它在一切可能的n2种配对中所占的比例称为关联积分：其中H(·)为Heaviside单位函数：3)计算关联维D.关联积分Cn(r)在r→0时与r存在以下关系：其中D称为关联维数，恰当地选取r，使得D能够描述混沌吸引子的自相似结构；由于有近似数值，计算关系式：步骤(5).求出每一层小波低频系数的关联维数Di，i表示当前分解层数；结合各层小波低频系数αij和关联维数Di计算小波关联维系数pij来表示系统样本的分布关系，计算公式如下：其中c为倍频因子，取较小的正数，取值由实验调整得出；步骤(6).人体下肢关节角度预测；将计算得到的小波关联维系数pij作为输入信号输入到Elman网络预测模型中；通过实验确定Elman网络的拓扑结构，将采集得到的肌电信号作为训练集训练预测网络；得到训练完成的Elman预测模型后，就可以完成人体下肢关节角度的预测。