技术特征：
1.一种基于肌电的穿戴式前庭监测系统，包括有依次连接的：穿戴式肌电采集设备(1)、肢体肌电主动训练界面(2)、生理状态分析模块(3)和预警模块(4)，其特征在于，使用者按照所述的肢体肌电主动训练界面(2)所显示的内容进行动作，并应用所述的穿戴式肢体肌电采集设备(1)从肢体采集semg肌电信号；所述的生理状态分析模块(3)接收semg肌电信号，并结合注意力机制卷积神经网络模型，智能辨识使用者肢体的肌肉状态；所述的肢体肌电主动训练界面(2)、生理状态分析模块(3)设置在pc端，所述的生理状态分析模块(3)通过无线传输设备将预警信号送入预警模块(4)进行预警。2.根据权利要求1所述的一种基于肌电的穿戴式前庭监测系统，其特征在于，所述的穿戴式肌电采集设备(1)包括有：依次连接的用于采集semg肌电信号的电极贴及其导联线(11)，用于肌电信号放大和转换的生物电信号采集模块(12)、用于控制生物电信号采集模块(12)的采集模式以及接收放大转换后的semg肌电信号的stm32微处理器(13)、用于采集人体平衡状态信号的陀螺仪电路(14)，所述的stm32微处理器(13)还连接wifi无线数据传输电路(15)，用于将semg肌电信号和人体平衡状态信号分别传输给生理状态分析模块(3)和肢体肌电主动训练界面(2)，还设置有分别连接生物电信号采集模块(12)和stm32微处理器(13)的系统电源模块(16)，其中，所述的电极贴及其导联线(11)中的电极贴粘贴在使用者后颈左侧和右侧、左右手大臂和左右腿肌肉，采集使用者不同位置肌肉的semg肌电信号，并通过导联线及pj313b接口与生物电信号采集模块(12)相连接，将采集的semg肌电信号送入生物电信号采集模块(12)；陀螺仪电路(14)中的人体平衡采集部分粘贴在使用者后颈靠近耳部的左侧和右侧；所述的生物电信号采集模块(12)是由型号为ads1299的生物电信号采集芯片组成，每片生物电信号采集芯片都集成了用于接收电极贴采集的semg肌电信号的高共模抑制比模拟输入ad模块、用于将semg肌电信号放大的低噪声可编程增益放大器和用于将模拟信号转换为数字信号的高分辨率同步采样模数转换器；所述的wifi无线数据传输模块(15)工作在ap模式下，最高传输速率4mbps，在stm32微处理器(13)的控制下，周期性地将采集到的semg肌电信号和人体平衡状态信号以数据包的形式通过wifi无线数据传输模块(15)向肢体肌电主动训练界面(2)和生理状态分析模块(3)输出semg肌电信号和人体平衡状态信号。3.根据权利要求1所述的一种基于肌电的穿戴式前庭监测系统，其特征在于，所述的肢体肌电主动训练界面(2)，包括有：依次连接的用于显示图像的pc端显示屏(23)、用于与穿戴式肌电采集设备(1)以及生理状态分析模块(4)进行数据传输的wifi模块(21)、用于对semg肌电信号进行数值转换和滤波操作、控制pc端显示屏(23)和pc端wifi模块(21)工作的cpu处理器(22)；所述的数值转换，是将从穿戴式肌电采集设备(1)接收的a/d转换结果解析出semg肌电信号实际电压值，包括如下步骤：1)确定生物电信号采集模块(12)的参考电压v
ref
以及可编程增益放大器的放大倍数g
pga
；2)将每个通道的原始的十六进制a/d转换结果v
16
，转化为十进制a/d转换结果v
10
；3)按照下列公式，计算semg肌电信号实际电压值v
in
：
其中，k为系数，所述的滤波操作，是数字带通滤波操作，是采用切比雪夫i型带通滤波器，所述切比雪夫i型带通滤波器的第一阻带频率f
stop1
＝0.001hz，第一通带频率f
pass1
＝10hz，第二阻带频率f
stop2
＝40hz，第二通带频率f
pass2
＝30hz，第一阻带衰减率为5db，第二阻带衰减率为5db；所述滤波操作的步骤如下：1)获取原始semg肌电信号其中，n为原始semg肌电信号通道数和，l为每个通道原始semg肌电信号的数据长度，e
c,g
表示原始semg肌电信号中由第c个电极采集的第g个原始semg肌电信号的数值；2)对原始semg肌电信号进行数字带通滤波，并进行50hz陷波滤波，去除工频干扰，得到处理后的semg肌电信号其中，x
c,g
表示滤波后的semg肌电信号中第c个电极对应的第g个semg肌电信号的数值。4.根据权利要求1所述的一种基于肌电的穿戴式前庭监测系统，其特征在于，所述的肢体肌电主动训练界面(2)，包括有：主动训练模式和康复模式；在主动训练模式下，使用者完成pc端显示屏(23)显示的9个康复动作，9个康复动作包括：前倾、后倾、左倾、右倾、左歪头、右歪头、低头、向上抬头和360
°
转动脖子；在康复模式下，正常穿戴所述的穿戴式肌电采集设备(1)。5.根据权利要求1所述的一种基于肌电的穿戴式前庭监测系统，其特征在于，所述的生理状态分析模块(3)应用注意力机制卷积神经网络模型对使用者semg肌电信号与人体平衡信号进行辨识，将辨识结果通过肢体肌电主动训练界面(2)中的pc端wifi模块发送到预警模块(4)。6.根据权利要求5所述的一种基于肌电的穿戴式前庭监测系统，其特征在于，所述的生理状态分析模块(3)分为主动训练模式和康复模式，其中，在主动训练模式下，对训练注意力机制卷积神经网络模型进行训练，包括：1)基于数字化滤波的semg肌电信号在滤波后与人体平衡状态信号共同构成多个样本集；2)进入参数微调阶段，将所述的多个样本集依次送入注意力机制卷积神经网络模型，进行训练和梯度修正，得到注意力机制卷积神经网络模型；在康复模式下，使用者正常穿戴穿戴式肌电采集设备(1)，应用注意力机制卷积神经网络模型。7.根据权利要求6所述的一种基于肌电的穿戴式前庭监测系统，其特征在于，所述的主动训练模式中第2)步包括对注意力机制卷积神经网络模型进行全监督训练，初始学习率设为0.004，学习率以指数形式衰减，以防止固定的学习率得不到最优模型，共进行500周期的循环训练，batchsize大小为128，并设置了earlystopping早停机制；将获得训练所有周期
中，训练模型最好的模型作为训练好的注意力机制卷积神经网络模型；所述的注意力机制卷积神经网络模型，包括数据输入层，与数据输入层相连的4个分支，每一分支的输入均为输入层输出的数字化滤波后的semg肌电信号样本；4个分支为不同的4个卷积池化层，并且4个卷积池化层结合注意力机制是并行运行，4个卷积池化层的输出进入全连接层；其中，第一个分支依次包括：(1)第一卷积层，卷积核数量为64个卷积核，大小为20
×
4，步长为1，卷积核选择relu作为激活函数，(2)第一最大池化层，池化核大小为20
×
1，步长为1，对当前池化核覆盖下的输入数据的元素提取最大值作为输出；(3)第二卷积层，卷积核数量为128个，卷积核大小为3
×
1，步长为1，卷积核选择relu作为激活函数；(4)第二最大池化层，池化核大小为7
×
1，步长为1对当前池化核覆盖下的输入数据的元素提取最大值作为输出；(5)注意力机制，用于分配重要权重，忽略输入中的噪声和冗余；(6)第一flatten层，用于将多维的输入一维化；第二分支依次包括：(1)第三卷积层，卷积核数量为64个卷积核，大小为16
×
4，步长为1，卷积核选择relu作为激活函数，(2)第三最大池化层，池化核大小为20
×
1，步长为1，对当前池化核覆盖下的输入数据的元素提取最大值作为输出；(3)第四卷积层，卷积核数量为128个，卷积核大小为4
×
1，步长为1，卷积核选择relu作为激活函数；(4)第四最大池化层，池化核大小为6
×
1，步长为1对当前池化核覆盖下的输入数据的元素提取最大值作为输出；(5)注意力机制，用于分配重要权重，忽略输入中的噪声和冗余；(6)第二flatten层，用于将多维的输入一维化；第三个分支征依次包括：(1)第五卷积层，卷积核数量为64个卷积核，大小为12
×
4，步长为1，卷积核选择relu作为激活函数，(2)第五最大池化层，池化核大小为20
×
1，步长为1，对当前池化核覆盖下的输入数据的元素提取最大值作为输出；(3)第六卷积层，卷积核数量为128个，卷积核大小为5
×
1，步长为1.卷积核选择relu作为激活函数；(4)第六最大池化层，池化核大小为5
×
1，步长为1对当前池化核覆盖下的输入数据的
元素提取最大值作为输出；(5)注意力机制，用于分配重要权重，忽略输入中的噪声和冗余；(6)第三flatten层，用于将多维的输入一维化；第四个分支依次包括：(1)第七卷积层，卷积核数量为64个卷积核，大小为8
×
4，步长为1，卷积核选择relu作为激活函数，(2)第七最大池化层，池化核大小为20
×
1，步长为1，对当前池化核覆盖下的输入数据的元素提取最大值作为输出；(3)第八卷积层，卷积核数量为128个，卷积核大小为6
×
1，步长为1，卷积核选择relu作为激活函数；(4)第八最大池化层，池化核大小为4
×
1，步长为1对当前池化核覆盖下的输入数据的元素提取最大值作为输出；(5)注意力机制，用于分配重要权重，忽略输入中的噪声和冗余。(6)第四flatten层，用于将多维的输入一维化；四个分支输出的四个不同的时域频域特征均为一维数据，对数据拼接，即进行时域频域特征信息融合，进而进入全连接层；全连接层，选择节点数为128，选择relu作为激活函数，选择l2范数作为正则化项，l2范数设置为0.004；输出层输出分类结果，选择节点数为肢体动作数目，选择softmax作为激活函数，softmax函数本质上是归一化的指数函数，定义为其中e为自然对数值，z
h
为第h个神经元的输出，式子中的分母充当了正则项的作用，使得8.一种权利要求1所述的基于肌电的穿戴式前庭监测系统的应用，其特征在于，包括：为保证电极贴与皮肤完全接触，在测量肌电信号semg前，先用酒精棉擦拭使用者被测位置的皮肤，使用者要求前行运动，身体保持放松，并完成肌电主动训练界面所要求的动作；在确保系统电源模块正常后，开启系统，通过穿戴式肌电采集设备采集使用者的semg肌电信号和人体平衡状态信号传送至肢体肌电主动训练界面，完成肌电采集工作。
技术总结
本发明的一种基于肌电的穿戴式前庭监测系统及应用，基于低功耗的ADS采集芯片设计的可佩戴设备用于采集人体表面肌肉电信号(sEMG)，在采集过程中，sEMG信号经过滤波，放大，数字化，以及人体平衡信号传输到PC端，在PC端的APP中，运用深度学习算法进行训练和分类前庭功能低下患者在运动状态下的，短暂昏厥以及失衡均记录在肌电数据。本发明根据PC端软件平台，可快速、准确对穿戴者肌肉的状态进行分类，分类效果能达到较高水平，并且在PC端的APP中，可以查看到sEMG肌电信号的实时波形。在采集信号后可将预测的信号传输到PC端，进行下一步的监测。较高的准确率表明这套系统功能是具有可行性的。有可行性的。有可行性的。
技术研发人员：高忠科 王洋阳 马超
受保护的技术使用者：天津大学
技术研发日：2022.01.30
技术公布日：2022/5/17