人体下肢行走关节角度肌电连续解码方法
【技术领域】
[0001] 本发明涉及医疗康复器械，具体讲，涉及人体下肢行走关节角度肌电连续解码方 法。
【背景技术】
[0002] 当今社会，由于车祸、工程意外、或脑中风等疾病引起的骨折、肢体运动功能缺失 及其并发症的发病率有逐年上升的趋势。其中，下肢运动功能的缺失对患者日常生活的影 响尤为严重。实验表明，特定的功能训练能促进中枢神经的重组和代偿，恢复患者的肢体运 动功能，下肢康复机器人由此发明和发展。
[0003] 人体的表面肌电信号（sEMG)是一种生物电信号，能够直接反映人体的运动意图， 非常适合作为康复机器人机器人的控制信号来源，即人机交互系统的有效的接口。前期通 过sEMG识别人体行为意图的研究大多集中在对人体动作分类，此类方法只能预测少数离散 肢体动作，应用预测结果控制机器人，无法实现机器人关节像人体关节一样连续自如运动， 而保证机器人运动与人体运动高度匹配是实现多类机器人系统安全控制的先决条件，因此 通过sEMG估计连续的人体关节运动量是当前理论与应用研究的关键点。
[0004] 肌电解码预测角度方面有关专利：
[0005] 1.发明专利。基于相关系数的肌电假肢控制源导联优化方法，201210192585.2。
[0006] 专利1利用人工神经网络建立关联sEMG和关节运动量的回归模型，神经网络的结 构形式对预测结果影响很大，却没有规范方法定义合适的网络结构，并且网络参数确定过 度依赖于训练数据，当测试数据和训练数据有差异时，易造成网络输出偏离真实值。
[0007] 肌电解码预测角度方面有关论文：
[0008] 1.Buchanan T S,Lloyd D G,Manal K,et al.Neuromusculoskeletal modeling： Estimation of muscle forces and joint moments and movements from measurements of neural command[J].Journal of Applied Biomech，2004,20(4):367-395
[0009] 2.Fleischer C,Homme 1 G.Ahuman-exoskeleton interface utilizing electromyography[J]. IEEE Transactions on Robotics,2008,24(4):872-882
[0010] 文献1和文献2结合肌肉生理学建立以sEMG为输入的关节动力学模型，进而计算关 节力矩/角加速度等量，但是构建的模型结构复杂，含有许多无法测量的生理学参数，难以 实际应用。
【发明内容】
[0011] 本发明针对现有技术存在的上述不足，提供一种人体下肢行走关节角度肌电连续 解码方法，该方法可通过采集患者下肢表面肌电信号来实时准确稳定预测下肢关节角度， 患者可通过穿戴下肢康复机器人实现下肢运动功能康复的主动训练，从而增加康复的积极 性，逐渐拥有自主下肢运动的能力。
[0012] 本发明是通过以下技术方案实现的：
[0013] -种人体下肢行走关节角度肌电连续解码方法，包括与细以下步骤：
[0014] 步骤一、利用光学运动捕捉系统记录人体下肢行走运动三维坐标，通过人体下肢 运动学建模方法计算下肢髋关节、膝关节和踝关节的运动角度；
[0015] 步骤二、通过16路肌电仪同步采集运动期间人体下肢运动相关8块肌肉的表面肌 电信号，8块肌肉具体为:股直肌、股外侧肌、股二头肌、半腱肌、比目鱼肌、腓肠肌内侧、腓肠 肌外侧和胫骨前肌；
[0016] 步骤三、对采集的8块肌肉的表面肌电信号进行滤波、整流预处理提取其活动强度 信息，并使用PCA方法对肌电强度信息降维，提取肌电信号活跃度主分量；
[0017] 步骤四、以步骤三选择所得的肌电信号活跃度主分量作为输入量和以步骤一计算 所得关节运动角度作为输出量构建训练集，使用GEP符号回归分析方法，建立非线性下肢关 节角度预测模型；
[0018] 步骤五、采集人体下肢行走运动相关8块肌肉的表面肌电信号，8块肌肉具体为:股 直肌、股外侧肌、股二头肌、半腱肌、比目鱼肌、腓肠肌内侧、腓肠肌外侧和胫骨前肌;对采集 的8块肌肉的表面肌电信号进行滤波、整流预处理提取其活动强度信息，并使用PCA方法对 肌电强度信息降维，提取肌电信号活跃度主分量;将提取的肌电信号活跃度主分量输入所 述非线性下肢关节角度预测模型中，获得人体下肢髋关节、膝关节和踝关节的运动角度预 测值。
[0019] 进一步的，步骤一中计算关节运动角度具体包括：
[0020] 所求角度均为各个关节在人体矢状面上的运动角度，其计算公式如下：
[0021] 0i = acos(TikThigh · kpeivis)
[0022] 02 = acos(T2kcaif · kThigh)
[0023] 03 = acos(T3kF〇〇t · kcaif)
[0024] 式中：0^0^03分别为髋关节、膝关节和踝关节的屈/伸角；T^I^PTs分别为从大 腿坐标系到骨盆坐标系、小腿坐标系到大腿坐标系和足部坐标系到小腿坐标系的转化矩 阵;1^ (3：^3、1〇1^11、1^11?和1?。。1；分别为骨盆坐标系、大腿坐标系、小腿坐标系和足部坐标系竖 直轴上的单位矢量。
[0025]进一步的，步骤三具体包括：
[0026] 利用20-500HZ带通滤波器和50Hz工频陷波器对肌电信号进行降噪和伪迹消除处 理，之后对信号进行全波整流和归一化处理，得到肌肉活跃强度X={Xlj}mxP作为PCA降维的 输入;选择贡献率之和大于给定提取效率的前h个肌肉活跃度主分量a = [Ql，α2，…，ah]作为 GEP算法条件属性，其h取值为2~6;p = 8表示表面肌电信号通道数，m表示采样点数，给定提 取效率为90 %。
[0027] 进一步的，步骤四中GEP符号回归方法具体包括：
[0028] 用GEP算法的多基因染色体表示问题的可行解，包括可行解的形式和参数，然后利 用遗传进化在解空间中进行搜索，最后根据适应度值进行优胜劣汰，求得最优解，即拟合样 本肌肉活跃度主分量与关节角度最好的非线性预测模型。
[0029]进一步的，所述遗传进化具体为：
[0030] 设定函数集{ +，-，*，/，Q}和终结符集{aia2"_ah?}，其中Q表示平方运算，α表示肌电 信号活跃度主分量，？代表常数量;定义3段式基因结构，包括头部、尾部和常数域，头部元素 来自函数集或终极符集，尾部元素来自终结符集，头部长度设为9，尾部长度由固定关系计 算得为10,常数域长度与尾部长度相等，染色体由6个基因随机产生;初始化生成500组未知 染色体形成初始子种群，即种群规模为500，进化代数计数器的初始值设为1，最大遗传代数 设为200;
[0031]设定动态适应度函数
[0035] 式中：Ei为预测值与目标值均方误差平方;表示输入第i个染色体第j组样本特 征时染色体表达式值即关节角度预测值;T」为对应的关节角度目标值，即利用光学运动捕 捉系统记录人体下肢行走运动三维坐标所计算的关节角度;Fi为以均误差平方作为染色体 适应度评价方法的评价函数;F avg是个体平均适应度;Fmin是个体最小适应度；
[0036] 个体选择采用二次选择策略，一次选择排除由于除法运算中出现除数为零的无效 基因，二次选择策略为轮盘赌法，同时选择部分最优个体3组直接进入下一代。
[0037] 进一步的，GEP算法中突变概率为0.051，单点重组率为0.3，双点重组概率为0.3， 基因重组率为0.1，插串迀移概率为0.1，根插串迀移概率为0.1，基因迀移概率为0.1。
[0038]进一步的，利用遗传进化在解空间中进行搜索的终止条件设定为达到最大迭代次 数200次或者连续20代最好适应值未变化。