基于肌电信号和角度信号的膝关节角度预测方法及系统与流程

本发明涉及智能假肢膝关节技术领域，具体涉及一种基于肌电信号和角度信号的膝关节角度预测方法及预测系统。

背景技术：

随着制造业、计算机行业、康复医疗业的快速发展，智能假肢及可穿戴外骨骼研究也得到进一步推进。残疾人康复问题，精神问题，以及社会问题已经成为目前国内乃至世界日益关注的问题。下肢假肢作为一种医疗器械，不仅能够为肢体残疾者弥补外观上的不足，也能够帮助这一类人群重拾信心，解决生理，心理问题。并且帮助肢体残疾人群更好地融入到社会生活中去，提高独立生活地能力，也能够减轻家人的负担。下肢假肢的研究核心主要在于模式识别，姿态预测以及控制这三个方面，而由于针对下肢假肢的研究具有涵盖学科范围广的特点，如其在医疗、机械、电子、康复、材料等研究领域都有涉及，因此研究困难较大，相对于其他行业来说发展较为缓慢。

下肢假肢发展时间漫长，最早的下肢假肢主要是为了弥补外观上的不足，然后逐渐发展到加入简单的机械结构。接着凭借人类对人体结构的不断研究，设计出了能够模仿人体下肢运动轨迹的复杂机械结构。随着人类社会活动日益复杂，单单靠被动的机械结构已经满足不了当下肢体残疾人群的日常生活。下肢假肢技术发展由一开始的被动型、主被动型逐渐向主动型智能假肢进化。目前市场上不断涌现出的国内外智能假肢产品价格普遍较高，这是由于高昂的研究成本以及对大量数据基础的需求。肢体姿态预测是主动型假肢需要解决的核心技术之一，准确的关节角度预测值可以帮助提高下肢康复医疗产品的膝关节控制精度及降低成本。

现有技术中，公开号为cn105615890a的中国发明专利申请提供了一种人体下肢行走关节角度肌电连续解码方法，利用光学运动捕捉系统记录人体行走过程中下肢体表光学标记点的运动轨迹，通过人体下肢运动学建模精确计算下肢关节运动角度；同步采集人体行走过程中与下肢运动相关的八块主力肌肉的表面肌电信号，通过滤波、整流预处理提取其活动强度信息，通过主成分分析方法提取描述表面肌电信号强度的最优独立特征向量集；采用基因表达式编程符号回归分析方法，构建从表面肌电信号特征(自变量)到矢状面关节运动角度(因变量)的非线性回归模型，预测下肢运动轨迹。本发明主要应用于医疗康复机械的设计制造。翻译。

目前对于人体下肢膝关节运动信号分析的研究主要集中在下肢运动模式识别即识别运动步态，关节角度预测研究主要集中在上肢，针对膝关节角度预测的研究较少。膝关节角度预测能够为假肢膝关节提供准确的数值，帮助该类机构实现更精准地控制。

技术实现要素：

针对现有技术中存在的上述技术问题，本发明提供了一种基于肌电信号和角度信号的膝关节角度预测方法及系统，通过将多个步骤的集成设计，由此解决基于肌电信号和角度信号的膝关节角度预测的技术问题。

为了实现上述目的，本发明采用如下技术方案。

本发明首先提供一种基于肌电信号和角度信号的膝关节角度预测方法，为智能穿戴设备提供可靠数据，该方法包括：采用人体下肢运动信息采集单元及采集硬件、实验平台及测试单元、信号预处理及特征提取单元、机器学习系统训练及测试单元集成设计于一体；人体下肢运动信息采集单元及采集硬件提取人体股直肌和股二头肌肌肉电信号、髋关节和膝关节角度信号；实验平台及测试单元穿戴于人体并通过接口连接人体下肢运动信息采集单元及笔记本电脑；信号预处理及特征提取单元对采集的肌电信号、角度信号预处理及特征提取，消除了信号噪声以及提取了信号的特征；机器学习系统训练及测试单元将髋关节角度信号、股直肌肌电信号、股二头肌肌电信号作为神经网络输入集，膝关节角度信号作为输出集，对选用模型进行训练，预测膝关节角度值并计算误差。

优选的是，所述人体下肢运动信息采集单元及采集硬件采用肌肉电传感器、霍尔角度传感器，通过霍尔角度传感器测量法分别在髋关节、膝关节处佩戴霍尔角度传感器，通过霍尔角度传感器输出的电压值，计算得到其位移角度值。

在上述任一技术方案中优选的是，所述实验平台及测试单元采用可穿戴式设计，通过魔术贴固定方式固定于人体的腰部、大腿处及小腿处。

在上述任一技术方案中优选的是，所述实验平台及测试单元通过穿戴于人体，其亚克力板与人体腰部及下肢绑带固定，测量大腿股直肌和股二头肌的肌肉电信号。

在上述任一技术方案中优选的是，所述实验平台及测试单元通过接口连接笔记本电脑，通过笔记本电脑供电并读取串口数据，并利用上位机的串口调试器读取与之连接的各个传感器数据。

在上述任一技术方案中优选的是，所述机器学习系统训练及测试单元通过比较滑动窗口大小，采用特征提取方法，以及学习率对模型结果准确率造成的影响，实现对模型的优化。

本发明还提供了一种根据如上任一项所述的基于肌电信号和角度信号的膝关节角度预测方法的膝关节角度预测系统，该系统采用集成一体化设计结构，其包括人体下肢运动信息采集单元及采集硬件、实验平台及测试单元、信号预处理及特征提取单元、机器学习系统训练及测试单元，所述实验平台及测试单元穿戴于人体并通过接口连接人体下肢运动信息采集单元及笔记本电脑，所述人体下肢运动信息采集单元及采集硬件提取人体股直肌和股二头肌肌肉电信号、髋关节和膝关节角度信号，所述信号预处理及特征提取单元对采集的肌电信号、角度信号预处理及特征提取并消除信号噪声以及提取信号特征，所述机器学习系统训练及测试单元将髋关节角度信号、股直肌肌电信号、股二头肌肌电信号作为神经网络输入集以及将膝关节角度信号作为输出集，对选用模型进行训练，预测膝关节角度值并计算误差。

在上述任一技术方案中优选的是，所述人体下肢运动信息采集单元及采集硬件用于实现对下肢步态信息的提取，其包括肌肉电传感器、霍尔角度传感器。

在上述任一技术方案中优选的是，所述肌肉电传感器配备三个电极，分别为中间电极、末端电极和参考电极，采用9v供电；所述肌肉电传感器与微处理器连接，通过adc放大纠正与平滑信号，输出emg脉冲信号或肌肉电原始信号，通过arduino盾板进行扩展，自带led灯显示传输数据是否正确。

在上述任一技术方案中优选的是，所述霍尔角度传感器采用nsk轴承，分辨率4096位，工作电压为5v，输出0-5v电压，360°无死角旋转采集信号。

在上述任一技术方案中优选的是，所述实验平台及测试单元采用3mm亚克力板作为平台基础，并配置两个肌肉电信号传感器，使用4节9v电池为其供电，以及两个kalamoyi霍尔角度传感器，单片机使用arduinouno；其采用可穿戴式设计，通过魔术贴固定于人体的腰部、大腿处及小腿处；所述实验平台及测试单元由笔记本供电并读取串口数据，串口数据由a0、a1口输出，角度传感器直接由单片机上的5v电源输出供电，串口数据由a2、a3口输出，利用上位机的串口调试器读取各个传感器数据。

在上述任一技术方案中优选的是，所述3mm亚克力板包括板a、板b和板c，这三块亚克力板的长度分别110mm、450mm、350mm，宽度都为40mm；每块亚克力板周围具有数个长40mm、宽8mm的长方形孔，便于魔术贴的固定安装。

在上述任一技术方案中优选的是，所述实验平台及测试单元安装有两个内径6mm、外径10mm的法兰联轴器用于固定霍尔角度传感器的轴承，法兰联轴器安装于板b和板c的上部，使用3mm螺丝固定于板b、板c的固定孔上。

在上述任一技术方案中优选的是，所述实验平台及测试单元的长度适用于身高172cm-182cm的人群，可根据实验对象调整长度。

与现有技术相比，本发明的上述技术方案具有如下有益效果：

本发明提出一种基于肌电信号和角度信号的膝关节角度预测方法，为智能假肢膝关节研究领域提供了一个新的方法，是智能假肢领域科研成果转化为实用产品的重要方法。

本发明通过肌肉电信号和角度信号融合预测方法，实现精准预测膝关节角度，为智能穿戴设备提供可靠数据，减少研发成本。

本发明提供的基于肌电信号和角度信号的膝关节角度预测系统结构简单,功能高度集成,实现操作方便。

本发明提供的基于肌电信号和角度信号的膝关节角度预测方法及系统实现成本低、测试精度高、系统性能好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为按照本发明的基于肌电信号和角度信号的膝关节角度预测方法的一优选实施例的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了克服智能假肢膝关节研究领域所存在的问题，本发明实施例提出一种基于肌电信号和角度信号的膝关节角度预测方法及预测系统。

如图1所示，本发明实施例所述的基于肌电信号和角度信号的膝关节角度预测方法，采用人体下肢运动信息采集单元及采集硬件、实验平台及测试单元、信号预处理及特征提取单元、机器学习系统训练及测试单元集成设计于一体；人体下肢运动信息采集单元及采集硬件提取人体股直肌和股二头肌肌肉电信号、髋关节和膝关节角度信号；实验平台及测试单元穿戴于人体并通过接口连接人体下肢运动信息采集单元及笔记本电脑；信号预处理及特征提取单元对采集的肌电信号、角度信号预处理及特征提取，消除了信号噪声以及提取了信号的特征；机器学习系统训练及测试单元将髋关节角度信号、股直肌肌电信号、股二头肌肌电信号作为神经网络输入集，膝关节角度信号作为输出集，对选用模型进行训练，预测膝关节角度值并计算误差。同时，根据该方法设计基于肌电信号和角度信号的膝关节角度预测系统，通过肌肉电信号和角度信号融合预测，实现精准预测膝关节角度，为智能穿戴设备提供可靠数据。

以下结合图1对本实施例所采用的技术方案、技术特点及实现过程做详细说明。

如图1所示，首先采用人体下肢运动信息采集单元及采集硬件采用肌肉电传感器、霍尔角度传感器，通过霍尔角度传感器测量法分别在髋关节、膝关节处佩戴霍尔角度传感器，通过霍尔角度传感器输出的电压值，计算得到其位移角度值。实验平台及测试单元采用可穿戴式设计，通过魔术贴固定方式固定于人体的腰部、大腿处及小腿处。实验平台及测试单元通过穿戴于人体，其亚克力板与人体腰部及下肢绑带固定，测量大腿股直肌和股二头肌的肌肉电信号。实验平台及测试单元通过接口连接笔记本电脑，通过笔记本电脑供电并读取串口数据，并利用上位机的串口调试器读取与之连接的各个传感器数据。信号预处理及特征提取单元对采集的肌电信号、角度信号预处理及特征提取，消除了信号噪声以及提取了信号的特征。机器学习系统训练及测试单元将髋关节角度信号、股直肌肌电信号、股二头肌肌电信号作为神经网络输入集，膝关节角度信号作为输出集，对选用模型进行训练，预测膝关节角度值并计算误差。机器学习系统训练及测试单元通过比较滑动窗口大小，采用特征提取方法，以及学习率对模型结果准确率造成的影响，实现对模型的优化。

在基于肌电信号和角度信号的膝关节角度预测系统中，人体下肢运动信息采集单元及采集硬件通过人体股直肌和股二头肌肌肉电信号，髋关节和膝关节角度信号来实现对下肢步态信息的提取，实现对下肢步态信息的提取，其包括肌肉电传感器、霍尔角度传感器。

其中，肌肉电传感器选用思知瑞科技有限公司电肌肉电传感器，体积小巧，传输速度快且能够直接输出肌肉电脉冲信号。肌肉电传感器配备三个电极，分别为中间电极、末端电极和参考电极，采用9v供电；所述肌肉电传感器与微处理器连接，通过adc放大纠正与平滑信号，输出emg脉冲信号或肌肉电原始信号，通过arduino盾板进行扩展，自带led灯显示传输数据是否正确。

霍尔角度传感器是一款非接触式霍尔磁性角度传感器，能够360°无死角旋转。其采用nsk轴承，分辨率4096位，工作电压为5v，输出0-5v电压，并且体积小，阻尼小，安装简单。其能够360°无死角旋转采集信号。

采用霍尔角度传感器测量法：分别在髋关节，膝关节处佩戴霍尔角度传感器，通过霍尔角度传感器输出的电压值，计算得到其位移角度值。该方法计算简单且传感器数量较少。

实验平台及测试单元采用3mm亚克力板作为平台基础，并配置两个肌肉电信号传感器，使用4节9v电池为其供电，以及两个kalamoyi霍尔角度传感器，单片机使用arduinouno；其采用可穿戴式设计，通过魔术贴固定于人体的腰部、大腿处及小腿处；所述实验平台及测试单元由笔记本供电并读取串口数据，串口数据由a0、a1口输出，角度传感器直接由单片机上的5v电源输出供电，串口数据由a2、a3口输出，利用上位机的串口调试器读取各个传感器数据。

3mm亚克力板包括板a、板b和板c，这三块亚克力板的长度分别110mm、450mm、350mm，宽度都为40mm；每块亚克力板周围具有数个长40mm、宽8mm的长方形孔，便于魔术贴的固定安装。该实验平台及测试单元的长度适用于身高172cm-182cm的人群，具体地可根据实验对象更改长度。

实验平台及测试单元安装有两个内径6mm、外径10mm的法兰联轴器用于固定霍尔角度传感器的轴承，法兰联轴器安装于板b和板c的上部，使用3mm螺丝固定于板b、板c的固定孔上。

在肌肉电传感器背面贴上魔术贴，并在板b外侧贴上魔术贴，然后将两个肌肉电传感器分别贴于板b的上端和下端，分别测量大腿股直肌和股二头肌的肌肉电信号。安装霍尔角度传感器时，位于板b和板a下端的安装孔上，再使用螺丝将上文的法兰联轴器与霍尔角度传感器轴承固定。arduinouno单片机和4节9v电池均使用魔术贴固定于b板外侧中部位置。最后在腰部，小腿，脚踝三个部位贴上绑带，用于试验台与人体的固定。

在实施过程中，信号输入在于肌肉电信号和角度信号均以9600波特率进行通信。表面肌电信号输出电压值，采集精度可达0.01v。角度信号输出电压值精度为0.01v，再将其转换为角度值。输出的信号在串口调试器中以字典的形式打印。数据中semg1表示股直肌肌肉电信号电压值，semg2表示股二头肌肌肉电信号电压值，angle1表示当前膝关节角度值，angle2表示当前髋关节角度值。每四个数据为一组，实时在串口调试器中显示。当完成试验后，将数据保存为txt文本文件，方便后续进行数据的处理。

信号预处理及特征提取单元对采集的肌电信号、角度信号预处理及特征提取，消除了信号噪声以及提取了信号的特征。肌肉电信号分析及处理过程主要分为五步，分别为信号采集，带通滤波，小波变换，滑动平均，特征提取。角度信号处理分为三步，分别为滑动平均，特征提取，归一化。

机器学习系统训练及测试单元将髋关节角度信号、股直肌肌电信号、股二头肌肌电信号作为神经网络输入集，膝关节角度信号作为输出集，对选用模型进行训练，预测膝关节角度值，并计算误差。比较滑动窗口大小，特征提取方法，以及学习率对模型结果准确率造成的影响，实现对模型的优化。

本实施例基于肌电信号和角度信号的膝关节角度预测方法，是假肢膝关节领域科研成果转化为实用产品的重要方法。具有较高的准确率，对假肢膝关节的研究具有重要意义。

可进一步根据本实施例提供的基于肌电信号和角度信号的膝关节角度预测方法的预测系统，准确的关节角度预测值可以帮助提高下肢康复医疗产品的膝关节控制精度及降低成本。

以上所述仅是对本发明的优选实施方式进行描述，并非是对本发明的范围进行限定；以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围；在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的任何修改、等同替换、改进等，均应落入本发明的权利要求书确定的保护范围内。