专利名称：基于肌音信号的人体上肢功能康复训练实现方法
技术领域：
本发明涉及一种医疗设备控制系统，特别涉及一种基于肌音信号的人体上肢功能康复训练实现方法。
背景技术：
]肌音信号MMG是肌肉收缩产生肌力的过程中肌纤维由于分布不均匀等因素发生侧向振动而表现为宏观上的发出机械波的一种力学现象。其主要特点有信号幅值大；平稳性好；抗干扰能力强等。MMG信号本质属于机械振动信号的相比于传统肌电信号；另外还受其他一些外在因素影响，例如肌肉疲劳、皮肤潮湿等，因此，一个重要发展方向。目前，国内外在肌音信号以及肌音信号的应用方面的研究取得了一些进展，Oster和Jaffe( 1980)发现肌音信号强度与肌肉紧张程度成正比。Orizio通过对比不同频率的电激励加到肌肉纤维运动单元所引起的肌音信号，以及分析时域和频域信号的特性得出肌音信号的成因和频率分布规律，而且证明了肌音信号反映着肌肉运动单元的恢复补充和激励频率。Barry (1986)提出肌音信号可以用于假肢控制，并作了初期研究尝试。BertrandDiemontd等通过利用FFT和MESE对肌音信号进行分析，证实了功率谱方法可以提取肌音信号中蕴含的肌肉动作信息。Travis W利用小波分析和小波变换方法对非平稳肌音信号进行分析，验证了肌肉进行不同动作时所产生的肌音信号存在差异。目前在国外，肌音信号已开始应用于肌肉功能检测及肌肉控制的相关领域研究，如检测肌肉疲劳度，肌肉纤维分布，肌肉疲劳度，以及人体假肢控制。因此实现基于肌音信号控制的、具有生物反馈与患者主动参与功能的康复训练，为卒后功能康复训练治疗探索了一条新途径。
发明内容
本发明是针对复训中肌肉收缩产生肌力的过程中肌纤维分布不均匀，测试控制困难的问题，提出了一种基于肌音信号的人体上肢功能康复训练实现方法，此方法可以进行实时调节，精度和稳定性高。本发明的技术方案为一种基于肌音信号的人体上肢功能康复训练实现方法，将MMG肌音信号传感器固定在人体上肢肱二头肌的表皮处，将肌音信号转化为电压信号，经由前置放大电路将信号放大到伏特级别输出，输出信号通过有源低通有源滤波电路滤掉信号中含有的高频部分后，经过A/D转换模块进行数模转换，将模拟肌音信号转换成肌音数字信号，数字信号采集模块采集肌音数字信号导入PC机，通过PC机内数字信号处理软件对肌音信号进行特征提取，再通过PC机内的模式识别模块对所提取的肌音信号特征进行动作模式分类，最后输出控制信号控制虚拟现实反馈模块进行虚拟环境中3D上肢的动作反馈，调整训练动作方式。所述MMG信号传感器采用压电材料原理的肌振传感器；所述前置预处理电路选用LM324放大器；所述有源低通滤波电路选用巴特沃兹低通有源滤波器，截止频率设定为IOOHz ;所述A/D转化模块以及数字信号采集模块选用NI-PCI6221数据采集卡；数字信号处理和特征提取模块以及动作模式识别模块为基于PC机上的Matlab软件工作环境；虚拟现实环境中的人体上肢模型建模以及界面动画反馈选用多体动力学仿真分析软件Adams。所述PC机内数字信号处理软件对肌音信号进行特征提取的方法，分别从MMG信号中提取时域，频域和时频域的数字特征，具体方法如下
1)MMG肌音信号时域特征均方根计算采用的方法对上肢肱二头肌肌肉收缩运动时采集到的数字MMG信号，以1024个采样点为一组，进行分组，取加权平均，如果用
\ 表示第i组采样点的MMG信号时域序列，表示求均值后的第组采样点的均方根
值
权利要求
1.一种基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，将MMG肌音信号传感器固定在人体上肢肱二头肌的表皮处，将肌音信号转化为电压信号，经由前置放大电路将信号放大到伏特级别输出，输出信号通过有源低通有源滤波电路滤掉信号中含有的高频部分后，经过A/D转换模块进行数模转换，将模拟肌音信号转换成肌音数字信号，数字信号采集模块采集肌音数字信号导入PC机，通过PC机内数字信号处理软件对肌音信号进行特征提取，再通过PC机内的模式识别模块对所提取的肌音信号特征进行动作模式分类，最后输出控制信号控制虚拟现实反馈模块进行虚拟环境中3D上肢的动作反馈，调整训练动作方式。
2.根据权利要求I所述基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，所述MMG信号传感器采用压电材料原理的肌振传感器；所述前置预处理电路选用LM324放大器；所述有源低通滤波电路选用巴特沃兹低通有源滤波器，截止频率设定为IOOHz ;所述A/D转化模块以及数字信号采集模块选用NI-PCI6221数据采集卡；数字信号处理和特征提取模块以及动作模式识别模块为基于PC机上的Matlab软件工作环境；虚拟现实环境中的人体上肢模型建模以及界面动画反馈选用多体动力学仿真分析软件Adams。
3.根据权利要求I所述基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，所述PC机内数字信号处理软件对肌音信号进行特征提取的方法，分别从MMG信号中提取时域，频域和时频域的数字特征，具体方法如下 .1)MMG肌音信号时域特征均方根计算采用的方法对上肢肱二头肌肌肉收缩运动时采集到的数字MMG信号，以1024个采样点为一组，进行分组，取加权平均，如果用 表示第组采样点的MMG信号时域序列，表示求均值后的第组采样点的均方根值
4.根据权利要求I所述基于肌音信号的人体上肢功能康复训练实现方法，其特征在于，所述通过PC机内的调用模式识别模块对所提取的肌音信号特征进行动作模式分类，动作模式分类采用线性分类器方法，方法如下设％是样本空间I中的特征向量，Λ =,k = 1,2,..., yk是向量％通过变换μ得到的标量,则它是一维的,对于给定的w , Λ就是判决函数的值；令||奸||=1,那么九就是％在μ万向上的投影；使样本投影后最容易区分开的 w方向正是区分超平面的法线方向；因此在使用线性分类器时，共有共 5种动作，需要4个判别函数，若第一个判别函数是区别的则定义
全文摘要
本发明涉及一种基于肌音信号的人体上肢功能康复训练实现方法，通过安放在肌肉皮肤表面的压电传感器采集人体生理随机肌音信号MMG，采集到的肌音信号蕴含肌肉收缩动作信息，信号经过预处理电路进行放大滤波，然后经过A/D转换电路进行模拟数字转换，再通过数据采集卡导入PC机并先后进行特征提取和模式识别处理，输出代表肌肉不同动作模式的控制信号，以控制在虚拟现实环境中的三维人体上肢模型运动，受试者可以根据虚拟环境中的视觉反馈实时对虚拟环境中的人体上肢模型进行不同MVC%动作模式的控制，最终实现了功能康复训练的目的。本发明的准确性和稳定性较高，能够实现产业化目标以及扩大适用者人群。
文档编号A61H1/00GK102614061SQ20121005016
公开日2012年8月1日 申请日期2012年3月1日 优先权日2012年3月1日
发明者喻洪流, 官龙, 易金花, 李继才, 赵胜楠 申请人:上海理工大学