基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法

本发明涉及穿戴疲劳评测，具体是基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法。

背景技术：

1、无源下肢外骨骼现阶段主要用于辅助训练和辅助行走。人体下肢运动是一种由骨骼肌、骨骼以及关节共同协作完成的高自由度复杂运动，且下肢运动过程中主观疲劳感受与客观疲劳感受相互作用[1]。目前，大多数外骨骼使用过程的疲劳评测仅通过单一维度评价指标进行分析，因此会导致评价结果较为片面且准确率较低。

2、目前semg与emgft被大量用于传统运动研究中，由于步态过程中的运动状况复杂，会导致生物信号信噪比的降低，单靠semg信号作为外骨骼评价标准，其结果有效性将降低，因此需要额外数据对其进行对比验证以提高评价准确性。

3、因此，针对上述问题提出基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法。

技术实现思路

1、本发明结合动作捕捉技术，emgft以及srpe量表评分，综合评价人在使用下肢无缘外骨骼过程中的疲劳程度。

2、本发明具体通过以下技术方案实现：

3、基于表面肌电与步态的外骨骼穿戴疲劳评测系统，包括试验方法单元、疲劳特征计算及提取单元与试验结果分析单元；

4、所述试验方法单元包括试验内容与目标、受试人员及环境与试验设计；所述试验内容与目标包括试验设备与srpe主观量表选择；所述试验设计的采集数据包括下肢位置信息，semg的原始信号，以及srpe主观量表评分；

5、所述疲劳特征计算及提取单元包括emgft算法、下肢稳定性分析方法与主观评分计算方法；

6、所述试验结果分析单元包括emgft计算结果、膝关节稳定性分析、srpe对照反馈与特征值对比。

7、优选的，所述emgft算法具体步骤如下：

8、第一步，通过semg信号与处理方法，对实验采集到的a，b两组semg原始数据进行预处理并建立semg数据集；

9、第二步，对经过预处理的semg数据集进行加窗计算，得到rms数据集，如式(1)：

10、

11、式(1)中nt为单个tim内semg信号的数据数量，i为数据序号，ei为semg数据集中的第i个数据序号；

12、第三步，将所得rms数据集分为m，n两部分，由于本次实验数据量较大，所以将15个rms数据点作为一组，记为m1，剩余数据点记为n1，将m1，n1作为拟合组1，再将15+1个rms数据点作为m2，剩余数据作为n2，将m2，n2作为拟合组2，以此类推，当nn的rms数据点数量等于m1的rms数据点时，将mn，nn作为拟合组n，对n个拟合组进行一阶最小二乘拟合，得到两条拟合直线并用公式kmn·knn计算每组拟合直线的斜率乘积。

13、第四步，将第三步中计算的得到的斜率乘积最大的一组数据中拟合直线的交点所对应的时间作为emgft。

14、优选的，所述下肢稳定性分析方法为：

15、使用式(2)对1.0实验中所采集数据进行膝关节偏移距离方差计算。

16、

17、式中为实验中得到的膝关节偏移角度的平均值，xi为第i个偏移量数据；最后通过对方差进行最小二乘法进行曲线拟合并得到每组拟合直线的斜率，该斜率作为膝关节稳定性特征值，此特征值大小反映膝关节稳定性。

18、优选的，所述主观评分计算方法按照十级对疲劳等级进行划分，考虑到受试者均有负重且训练强度适中，为提高精度，将费力与非常费力用两个等级进行表述以提高对状态描述的精度。

19、优选的，根据emgft算法中所述的预处理方法，对原始semg进行低通滤波与陷波滤波处理，随机挑选一名受试者原始semg信号预处理结果进行展示；通过emgft算法对预处理过后的semg信号进行emgft计算，随机挑选一名受试者实验结果进行展示。

20、优选的，所述膝关节稳定性分析对膝关节进行的稳定性计算，由于本次实验时间较长，获取数据量较大，因此对a，b两组数据进行加窗并计算其方差，设tim为2.5s，mov为5s；获取受试者膝关节偏移量方差，并对该方差进行最小二乘法曲线拟合，同时计算该直线斜率k，随机挑选一名受试者实验结果进行展示。

21、优选的，所述srpe对照反馈根据所述cr-10scale对a，b组进行主观疲劳评分收集，并对各小组进行特征值提取，随机挑选一组受试者数据进行展示。

22、优选的，所述特征值对比对三组特征值进行汇总并进行分组对比，外骨骼在负重状态下对受试者的辅助提升效果进行展示。

23、本发明的有益之处在于：

24、1、在18名受试者进行无源下肢外骨骼的负载对比实验中，通过srpe评分与膝关节稳定性对emgft进行主客观验证，三组数据在不同分组条件下均具有相同趋势，其特征值具有强相关性，可以作为评价标准。

25、2、通过对实验中各组数据进行特征提取，该实验所使用的无源下肢外骨骼在熟练使用的情况下，可有效降低在负载状态下人体在行走中产生的肌肉负荷。但根据受试者反馈发现，通过背板与连接部位缓解使用者行走整体压力时，肩部感到较为明显的局部压力，会影响主观疲劳评分，因此人机关系优化可能会改善局部压力所产生的主观疲劳。

26、3、实验中，a(3)与b(3)组在实验中均表现出较高下肢稳定性与较晚到达emgft的特点，可以判断受试者更晚进入疲劳状态，因此较好的身体素质将有效提高外骨骼使用效果。同时在所有受试者反馈中，均提到外骨骼背部负重板影响动作灵活性的问题。

技术特征：

1.基于表面肌电与步态的外骨骼穿戴疲劳评测系统，其特征在于：包括试验方法单元、疲劳特征计算及提取单元与试验结果分析单元；

2.根据权利要求1所述的基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，其特征在于：所述emgft算法具体步骤如下：

3.根据权利要求1所述的基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，其特征在于：所述下肢稳定性分析方法为：

4.根据权利要求1所述的基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，其特征在于：所述主观评分计算方法按照十级对疲劳等级进行划分，考虑到受试者均有负重且训练强度适中，为提高精度，将费力与非常费力用两个等级进行表述以提高对状态描述的精度。

5.根据权利要求1所述的基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，其特征在于：根据emgft算法中所述的预处理方法，对原始semg进行低通滤波与陷波滤波处理，随机挑选一名受试者原始semg信号预处理结果进行展示；通过emgft算法对预处理过后的semg信号进行emgft计算，随机挑选一名受试者实验结果进行展示。

6.根据权利要求1所述的基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，其特征在于：所述膝关节稳定性分析对膝关节进行的稳定性计算，由于本次实验时间较长，获取数据量较大，因此对a，b两组数据进行加窗并计算其方差，设tim为2.5s，mov为5s；获取受试者膝关节偏移量方差，并对该方差进行最小二乘法曲线拟合，同时计算该直线斜率k，随机挑选一名受试者实验结果进行展示。

7.根据权利要求1所述的基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，其特征在于：所述srpe对照反馈根据所述cr-10scale对a，b组进行主观疲劳评分收集，并对各小组进行特征值提取，随机挑选一组受试者数据进行展示。

8.根据权利要求1所述的基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，其特征在于：所述特征值对比对三组特征值进行汇总并进行分组对比，外骨骼在负重状态下对受试者的辅助提升效果进行展示。

技术总结
本发明属于穿戴疲劳评测技术领域，具体地说是基于表面肌电与步态的外骨骼穿戴疲劳评测系统及方法，结合肌肉疲劳阈值，生物力学分析，主观疲劳自觉量表的外骨骼综合效能评价方法.区别于传统表面肌电信号或血氧饱和度的单一测定方法，该方法将有效提高无源负载下肢外骨骼效能评测精度；通过动作捕捉对受试者进行步态对比分析，获取空间位置信息与肌肉发力情况，并计算下肢膝关节稳定性.同时采集受试者sEMG，预处理并计算肌肉疲劳阈值.最后结合sRPE评分与膝关节偏移量方差对EMG<subgt;FT</subgt;进行主客观验证.结果表明，该评测方法对无源下肢外骨骼的评价具有有效性，外骨骼对受试者EMG<subgt;FT</subgt;到达时间平均推迟42.9％，下肢稳定性提升75.8％，主观疲劳感受缓解30.3％。

技术研发人员：吕健,何恺伦,徐兆,刘翔,侯宇康
受保护的技术使用者：贵州大学
技术研发日：
技术公布日：2024/1/15