基于生理信息的下肢动作分类和关节连续运动估计方法研究

作     者：张鑫 

作者单位：长春工业大学 

学位级别：硕士

导师姓名：孙中波

授予年度：2022年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 080202[工学-机械电子工程] 0802[工学-机械工程] 

主      题：表面肌电信号 动作分类 运动估计 归零神经网络 最小二乘支持向量机 

摘      要：近年来,随着运动机能障碍者数量不断攀升,可穿戴式外骨骼机器人备受关注。在传统的康复治疗手段中,康复医师的数量供不应求,并且存在康复周期长、康复效果有限等问题。可穿戴式外骨骼机器人作为一种新型康复方式,需要具有主动理解人体运动意图的能力并为使用者提供额外动力,进而帮助运动障碍者进行运动功能的重建。因此,准确有效地解码人体的运动行为信息是实现人机交互的关键技术,为外骨骼机器人的控制系统提供技术参考。由于表面肌电信号（surface Electromyography,sEMG）是肌肉细胞在电刺激下产生的微弱电信号,与人体运动关系密切,蕴含丰富的运动信息,因此基于sEMG信号的意图识别成为研究热点,通过设计算法获取人体主动运动意图。针对上述意图识别问题,本文对下肢离散动作分类和关节连续运动估计展开研究,主要研究内容如下:（1）针对下肢离散动作分类研究问题,采集下肢三种不同动作的sEMG信号,利用时间分析窗口对sEMG信号进行分割,根据时域方法提取sEMG信号特征,形成特征样本并作为模型的有效输入。采用支持向量机和线性判别分析模型对特征样本进行分类,结果表明线性判别分析模型对下肢离散动作具有更好的分类效果。（2）针对下肢单关节角度估计问题,基于受试者在伸腿运动时相应的sEMG信号,提出最小二乘支持向量机模型建立sEMG信号与关节角度之间的映射关系。根据所提出的归零神经网络求解此回归模型的未知参数,有效识别下肢单关节的运动意图,为患者提供一个最优的康复训练轨迹。（3）针对下肢多关节角度估计问题,通过采集下肢肌肉群的sEMG信号,利用最小二乘支持向量机与归零神经网络方法估计多关节角度。考虑存在测量噪声情况,设计抗噪型归零神经网络有效抑制噪声干扰,为避免患肢康复训练可能产生的二次损伤奠定理论基础和技术参考。（4）针对下肢连续运动估计模型的预测误差问题,实验中所采用的回归模型均是开环模型,由于sEMG信号与关节角度之间的非线性关系不能被充分描述,因此开环模型存在预测误差。基于递归神经网络的闭环模型能够有效消除预测误差,更精准地识别出人体运动意图,为后续的人机交互奠定基础。