基于复杂度和分维数及分形长度的肌电信号识别方法
【专利摘要】本发明提出了一种基于复杂度和分维数及分形长度的肌电信号识别方法，来实现遥操作机器人系统中主操作者对远端机械手的同步控制。模式识别特征采用了肌电信号的L-Z复杂度指标和分维数指标，分类器则采用了一种改进的以聚类方法作为数据整理手段的KNN模型法，该算法具有增量学习能力。操作者手的动作速度取决于手臂肌肉群的活动强度，肌肉活动强度可由肌电信号的最大分形长度表征。在一定的范围内，肌电信号的最大分形长度与操作者手的动作速度呈单调递增关系。以肌电信号的最大分形长度为输入控制量，实现了机械手抓取速度的控制，取得了较理想的效果。
【专利说明】基于复杂度和分维数及分形长度的肌电信号识别方法
【技术领域】
[0001]本发明属于模式识别领域，涉及一种肌电信号模式识别方法，特别涉及一种应用于控制遥操作机器人，基于肌电信号的上肢移动速度及多运动模式识别方法。
【背景技术】
[0002]遥操作机器人是一个操作者-机器人的共生交互系统，其功能在于实现操作者对远地环境的遥作(teleoperation)和遥知(teleperception)。其中遥作是操作者对远地机器人的遥操作，将人的命令传递给机器人，遥作要求通过一种输入接口将操作者的指令传达给机器人。目前遥作输入接口有很多，但多数输入接口仍然存在一定问题，如输入不自然、方式单一、信息存在多义性等问题。因此如何引入新的遥作接口方式，使操作者更加方便自如地将指令传达给机器人，实现主动的、自然的人机交互是“遥作”方面需要解决的问题。
[0003]利用操作者肢体上的表面肌电信号(surface electromyogram, SEMG)来控制远端的机械手，具有动作自然，仿生性能好的特点，是人一机交互系统理想的控制信号源，所以，国内外都有学者从事肌电控制的研究。2011年美国的Claudia P M, Wexler A S等在训练者的脸部粘贴上表面肌电信号采样电极，分析所获信号功率谱用以控制电脑显示屏上的光标，实现了光标对三个目标的灵活点击。2011年Scott V等采集瘫痪病人耳肌上的肌电信号，输给一个基于ANDROID操作系统的手机,通过手机上的蓝牙控制电视机等家电设备。泰国宋卡大学的phinyomark Angkoon等用临界指数法计算信号的分形维实现了上臂弱肌电信号的多模式分类，并把研究成果应用于人机接口技术中。2003年Fukuda和Tsuji等人使用线性高斯混合模型(LLGMN)方法分类EMG信号，并结合三维位置传感器来控制一个类人机械臂的遥操作。德国Otto Bock公司的肌电假肢最有代表性，迄今已经有比例控制肌电假手、带触觉的肌电假手等成果报道，肌电信号处理的速度、控制的实时性也更加理想。
[0004]国内，清华大学王人成、杭州电子科技大学的罗志增、上海交通大学方园杰都曾研究过从肌电信号中识别肢体的多种运动模式，并将之运用于机器人及肌电假肢的控制，取得了一些业内有影响的成果。重庆邮电大学的张毅等设计了一个基于前额表面肌电信号控制的智能轮椅无障碍人机接口，控制智能轮椅简单运动。但是，多运动模式肌电控制研究的实用性并不理想，其关键问题多运动模式识别的准确率、控制的实时性有待进一步提高。
【发明内容】
[0005]为实现遥操作机器人系统中操作者手腕移动速度及运动模式的正确识别，本发明提出了一种L-Z复杂度和分维数及最大分形长度的肌电信号识别方法。首先从相关肌肉组上采集相应的表面肌电信号，然后提取肌电信号的L-Z复杂度和分维数作为特征向量，最后以L-Z复杂度和分维数为特征向量输入K最近邻模型增量学习算法分类器，实现肌电信号的上肢多运动模式识别，提取肌电信号的最大分形长度作为控制量，识别上肢运动的速度。[0006]为了实现以上目的，本发明方法主要包括以下步骤:
[0007]步骤(1).获取人体上肢肌电信号样本数据，具体是:首先通过肌电信号采集仪拾取人体上肢肌电信号，再采用基于小波能谱熵的信号消噪方法对含有干扰噪声的肌电信号进行消噪。
[0008]步骤(2).将步骤⑴获取的肌电信号进行特征提取，求出该肌电信号的L-Z复杂度、分维数和最大分形长度。
[0009]所述L-Z复杂度，具体算法如下:
[0010]Lempel-Ziv复杂度是由Lempel和Ziv提出的一种用于描述序列随机程度的非线性指标，其值c (n)的计算通常采用Kaspar与Schusyer提出的算法。
[0011]假定原信号的符号化序列为S1S2...Sn0从空串出发开始添加S1，通过复制及添加操作实现全序列的连接。设已生成前缀S1S2 A Sg，r < n，并且下一个符号Sr是用添加操作完成的，记为:
[0012]
【权利要求】
1.基于复杂度和分维数及分形长度的肌电信号识别方法，其特征在于该方法包括如下步骤: 步骤(1).获取人体上肢肌电信号样本数据，具体是:首先通过肌电信号采集仪拾取人体上肢肌电信号，再采用基于小波能谱熵的信号消噪方法对含有干扰噪声的肌电信号进行消噪； 步骤(2).将步骤(1)获取的肌电信号进行特征提取，求出该肌电信号的L-Z复杂度、分维数和最大分形长度； 步骤(3).以步骤(2)获取的L-Z复杂度和分维数作为特征向量输入K最近邻模型增量学习算法分类器，获得识别结果； 步骤(4).以步骤(2)获取的肌电信号的最大分形长度作为控制量，实现机械手抓取速度的控制。
2.根据权利要求1所述的基于L-Z复杂度和分维数及最大分形长度的肌电信号识别方法，其特征在于: 所述用于肌电信号处理的 L-Z复杂度计算方法如下: 1)求肌电信号的局部极大、极小值；通过插值函数获得信号的上下包络线；并对上下包络线求平均，记为《(0 ,以包络线上同符号值KO替代对应序列点上肌电信号原有值 求信号s(i)与Ot(J)的差值，记为A(i) = s(:)-m(i);其中r为肌电信号的序数，其值为I到为信号的长度； 2)A⑷信号归一化:找出A⑴中绝对值最大的量為麗= max|Ap)| i=\:2”..N ;最后，按幅度归一化忍滅!=1,2,…,F ； 3)对时间序列信号进行四区间的多尽度多值粗粒化； 4)以Kaspar-Schusyer法计算信号的复杂度； 所述用于肌电信号处理的分维数及最大分形长度计算方法如下: 最小尺度I；时的长度<4^)>定义为最大分形长度MFL;对于肌电信号，定义fe = 1时所得<￡(#>的值为肌电信号的最大分形长度MFL;分维数是反映信号自相似性的度量，与信号的幅值无关，在计算肌电信号的分数维时，并不须对原信号做归一化处理，这时计算出的不同强度的肌电信号其最大分形长度MFL值>才有可比性，在用于模式识别的分维数计算中，肌电信号的采样点数取2000个、的值分别取ScM-,2s。
3.根据权利要求1所述的基于L-Z复杂度和分维数及最大分形长度的肌电信号识别方法，其特征在于:步骤(4)具体是: 若以W 二flv2 +iv+c表不操作速度与肌号信号最大分形长度之间的关系，其中:V为速度为最大分形长度，则伸肌与屈肌上的函数关系如下:
, f
【文档编号】G06K9/62GK103617411SQ201310488878
【公开日】2014年3月5日 申请日期:2013年10月17日 优先权日:2013年10月17日
【发明者】张启忠, 朱海港, 左静, 高云园, 罗志增, 席旭刚 申请人:杭州电子科技大学