CN104492033A - 基于sEMG的单关节主动训练控制方法及相应的康复机器人 - Google Patents
基于sEMG的单关节主动训练控制方法及相应的康复机器人 Download PDFInfo
- Publication number
- CN104492033A CN104492033A CN201410784548.XA CN201410784548A CN104492033A CN 104492033 A CN104492033 A CN 104492033A CN 201410784548 A CN201410784548 A CN 201410784548A CN 104492033 A CN104492033 A CN 104492033A
- Authority
- CN
- China
- Prior art keywords
- semg
- active training
- signal
- simple joint
- joint active
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 40
- 101000739754 Homo sapiens Semenogelin-1 Proteins 0.000 title description 2
- 102100037550 Semenogelin-1 Human genes 0.000 title description 2
- 230000033001 locomotion Effects 0.000 claims abstract description 22
- 238000006073 displacement reaction Methods 0.000 claims abstract description 10
- 210000003205 muscle Anatomy 0.000 claims description 23
- 230000035876 healing Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 241000905957 Channa melasoma Species 0.000 claims description 8
- 230000008602 contraction Effects 0.000 claims description 8
- 230000002269 spontaneous effect Effects 0.000 claims description 7
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 210000003141 lower extremity Anatomy 0.000 abstract description 11
- 238000013016 damping Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000001914 filtration Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 210000000629 knee joint Anatomy 0.000 description 10
- 206010033799 Paralysis Diseases 0.000 description 4
- 210000003414 extremity Anatomy 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 210000003314 quadriceps muscle Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007996 neuronal plasticity Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Landscapes
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种基于sEMG的单关节主动训练控制方法,用于具有sEMG采集系统的康复机器人中,包括利用sEMG采集系统采集患者的sEMG信号,然后康复机器人利用所述sEMG信号转换为单关节主动训练控制信号,对患者的单关节主动训练进行控制。本发明方法包含两个策略,即阻尼式和弹簧式主动训练,前者利用sEMG控制关节运动速度;后者利用sEMG控制关节角位移。本发明简单灵活,能够实现对被试者主动运动意图的监督,并提供两种方式的下肢康复主动训练,能够提高患者的训练积极性,提高康复效率。
Description
技术领域
本发明涉及一种基于sEMG的单关节主动训练控制方法及相应的康复机器人,属于康复医疗技术领域。
背景技术
由于脑血管疾病的高发病率和频繁发生的各种意外事故,中国的瘫痪患者数量与日俱增。针对瘫痪患者,在经过诸如外科手术等急性期的临床处理后,康复成为主要的一种治疗手段。依据神经系统的可塑性原理,它能够在一定程度上帮助患者恢复受损的肢体运动功能,重新学习日常生活活动,从而尽最大可能地帮助患者回归正常生活。
例如,下肢康复机器人能够辅助下肢运动功能受损的瘫痪患者自动或半自动完成康复训练的机电一体化设备,病人是具有自主运动意识的对象,因此机器人和患者之间的交互控制不可或缺。传统的基于力信号的交互控制相对可靠稳定,但是,交互力的获取通常需要依托于复杂的机械结构设计,而且力信号只是所有肌肉群综合作用的体现,难以对肢体的运动进行更加细致的监测和控制;力信号灵敏度和分辨率不高,难以适应于对自主肢体控制较弱的患者。下肢康复机器人的交互控制目标主要是为瘫痪患者创造一个安全、舒适、自然并且具备主动柔顺性的训练环境,很少情况下需要实现精确的力轨迹跟踪,所以基于力信号的交互控制适应范围有限。
发明内容
本发明所要解决的是现有技术的康复训练设备和方法难以适应于对自主肢体控制较弱的患者的问题。
为解决上述技术问题,本发明提出一种基于sEMG的单关节主动训练控制方法,用于具有sEMG采集系统的康复机器人中,包括如下步骤:
S1、sEMG采集系统采集患者的sEMG信号;
S2、康复机器人利用所述sEMG信号转换为单关节主动训练控制信号,对患者的单关节主动训练进行控制。
根据本发明的一种具体实施方式,在所述步骤S1中,所述sEMG采集系统还采集患者的肌肉静息sEMG信号和最大自主收缩)状态下的sEMG信号,利用该两种状态下的sEMG信号对采集的所有sEMG信号进行归一化。
根据本发明的一种具体实施方式,在步骤S2中,将各时刻伸肌群与屈肌群sEMG信号之间差值作为单关节主动训练的控制信号。
根据本发明的一种具体实施方式,在步骤S2中,所述康复机器人采用阻尼式对患者的单关节主动训练进行控制,所述阻尼式是指是指关节的运动速度与sEMG信号的强度成正比。
根据本发明的一种具体实施方式,所述步骤S2还包括对所棕伸肌群与屈肌群sEMG信号之间差值进行死区和饱和处理。
根据本发明的一种具体实施方式,在步骤S2中,所述康复机器人采用弹簧式对患者的单关节主动训练进行控制,所述弹簧式是指是指关节的运动位移与sEMG信号的强度成正比。
本发明还提出一种康复机器人,具有sEMG采集系统,且采用前述的基于sEMG的单关节主动训练控制方法。
本发明提出的基于sEMG的单关节主动训练控制方法及相应的康复机器人能够实现对患者主动运动意图的监督,并提供两种方式的下肢康复主动训练,能够提高患者的训练积极性,提高康复效率。
附图说明
图1是本发明所利用的sEMG采集系统的结构示意图;
图2显示了本发明的信号处理模块对sEMG的处理过程;
图3显示了本发明的信号处理模块处理前sEMG波形;
图4显示了本发明的信号处理模块处理后sEMG波形;
图5为本发明的基于sEMG的单关节阻尼式主动训练的控制结构图;
图6为本发明的基于sEMG的单关节弹簧式主动训练的控制结构图;
图7为本发明的一个实施例的电极片的位置示意图;
图8显示了本发明的一个实施例的单关节阻尼式主动训练中sEMG差值;
图9显示了本发明的一个实施例的单关节阻尼式主动训练中关节速度;
图10显示了本发明的一个实施例的单关节弹簧式主动训练中sEMG差值;
图11显示了本发明的一个实施例的单关节弹簧式主动训练中关节位置。
具体实施方式
本发明提出的基于sEMG的单关节主动训练控制方法用于具有sEMG采集系统的康复机器人中,康复机器人具有控制器和驱动器,用于接收计算机指令,控制运动机构运动和力输出。由于康复机器人的控制属于现有技术,因此在此不对其进行具体说明。
具体来说,本发明的方法主要包括如下步骤:
S1、sEMG采集系统采集患者的sEMG信号;
在所述步骤S1中,所述sEMG采集系统通常还需要采集患者的肌肉静息sEMG信号和最大自主收缩)状态下的sEMG信号,利用该两种状态下的sEMG信号对采集的所有sEMG信号进行归一化。
S2、利用所述sEMG信号转换为单关节主动训练控制信号,对患者的单关节主动训练进行控制。
根据本发明的方法,将各时刻伸肌群与屈肌群sEMG信号之间差值作为单关节主动训练的控制信号。并且可以采用阻尼式或弹簧式对患者的单关节主动训练进行控制。阻尼式是指是指关节的运动速度与sEMG信号的强度成正比,弹簧式是指是指关节的运动位移与sEMG信号的强度成正比。
在采用阻尼式时,优选为对sEMG信号之间差值进行死区和饱和处理。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
图1是本发明所利用的sEMG采集系统的结构示意图。如图1所示,sEMG采集系统包括探测头模块、前置放大模块、线性光电隔离模块、模数转换(AD)采集模块以及信号处理模块。
在采集sEMG信号时,例如通过作为探测头模块的电极片采集sEMG信号。然后利用前置放大滤波器(前置放大模块)对该sEMG信号进行硬件滤波,包括带通滤波、陷波处理、提高运放共模抑制比抑制直流基线噪声;然后利用信号处理模块对sEMG信号进行二次滤波、全波整流处理以及滑动平均滤波。
该步骤还需要获取肌肉的静息sEMG信号和最大自主收缩(MVC)状态下的sEMG信号,利用这两种信号对sEMG信号进行归一化,并将各时刻伸肌群与屈肌群sEMG信号之间差值作为单关节主动训练的控制信号。
下面以对患者的下肢的关节的主动训练控制的一个具体实施例进行说明。
在该实施例中,前置放大滤波器对通过电极片采集到的微弱sEMG信号进行放大和滤波处理,其放大倍数为1000倍,滤波处理包括:采用10-500Hz的带通滤波,滤除运动伪影造成的低频噪声和电气干扰导致的高频噪声;采用50Hz的陷波处理,滤除外界环境的工频干扰;提高运算放大器的共模抑制比至100dB,抑制sEMG中直流基线干扰;隔离模块采用线性光耦,放大倍数为1,通频带为0-1000Hz,它将人体与后端的强电隔离,保证采集过程中人体安全,同时避免了后端电路对前置模块的串扰,降低了采集到的sEMG中的噪声。AD采集模块采用了成熟的商用采集卡,采集频率选为25000Hz,由于sEMG有效信号的频率通常都低于500Hz,所以大于1000Hz的线性隔离通频带以及25000Hz的AD采集频率都是足够大的。
因sEMG主要有效频段集中于50-150Hz,而前置放大器的带通滤波采用了较宽的通频带10-500Hz,且线性隔离电路和采集模块不可避免带入噪声,因此信号处理模块对sEMG进行二次滤波。
图2显示了信号处理模块对sEMG的处理过程。如图2所示,首先对sEMG信号进行二次采样,将采样频率降低至1250Hz,其次,采用截止频率为20/200Hz的巴特沃斯带通滤波器进一步提取sEMG的主要有效成分,滤除sEMG中的高低频干扰以及直流偏置,再者,采用50Hz的陷波滤波器滤除后端电路中混入sEMG的工频干扰,最后对得到的信号进行平滑处理,以满足作为控制信号的要求:首先对sEMG进行全波整流处理,再对其进行滑动平均滤波,其中,窗口宽度为20个数据点,滑动速度也是20个数据点,窗口之间无重叠;最后采用截止频率为3Hz的2阶Butterworth低通滤波器对sEMG进行滤波。
信号处理模块处理前后的sEMG波形如图4和图5所示,可以看出,处理后的sEMG信号明显变得平缓,近似于原始信号的包络线。
最后,采集肌肉的静息sEMG信号和最大自主收缩状态下sEMG信号,方法举例说明如下:
在采集开始前将患者的下肢置于自然状态,并告知其尽量放松下肢肌肉,启动采集后,在肌肉还保持放松状态时,首先快速获取一组sEMG,并求均值,作为静息sEMG;之后,告知患者尽最大努力收缩相关下肢肌肉,重复次数和动作间歇以被试者不会感到疲劳为准,与此同时连续采集sEMG,并以256数据长度为单位对信号进行分段求平均,得到的最大值作为肌肉最大自主收缩状态下sEMG;利用上述两种信号对sEMG进行归一化:
其中,xr表示肌肉的静息sEMG信号,xm表示肌肉最大自主收缩状态下的sEMG信号,x(t)表示第t时刻sEMG信号的值,而表示第t时刻归一化的sEMG信号的值;
下肢的单关节运动通常由一对肌群的协调收缩来完成,屈肌群控制屈曲运动,伸肌群控制伸展运动;将第i个关节的主动训练控制信号设置为各时刻伸肌群与屈肌群sEMG的差值
其中,表示t时刻第i个关节伸肌群的归一化sEMG信号,而表示t时刻第i个关节屈肌群的归一化sEMG,f是一个取值为±1的标识变量,当训练关节为膝或踝关节时,其取值为1,当训练关节为髋关节时,其取值为-1,这是因为髋的屈伸方向与膝踝的屈伸方向定义是相反的。
然后,利用阻尼式主动训练或弹簧式主动训练实现被试者对关节的主动控制。
阻尼控制采用双闭环控制系统,且令阻抗方程中惯性系数和刚度系数为零,其控制结构如图5所示;弹簧式主动训练也采用双闭环控制结构,令阻抗方程中惯性系数和阻尼系数为零,其控制结构如图6所示。
所述基于sEMG的单关节阻尼式主动训练是指关节的运动速度与sEMG的强度成正比,采用双闭环控制结构实现主动训练策略,内环是速度控制,由伺服系统实现,外环是阻尼控制,采用退化的阻抗方程实现sEMG到关节运动速度的转换:
其中,表示第i个关节的运动速度指令,表示第i个关节的参考运动速度,设置为零,即即关节空间的运动速度与伸屈肌群sEMG差值成正比。
以右膝关节作为测试关节,分别选择股二头肌和股外侧肌采集sEMG,作为膝关节屈伸运动的控制信号,一次性电极片的粘贴位置如图7中黑色部分所示。
为了主动训练运动更加平稳,需要对伸屈肌群的sEMG差值进行死区和饱和处理:
其中,死区的阈值设置成了±0.1,膝关节运动阻尼设置为2,即B2=2。
整个阻尼式主动训练持续时间超过350秒,其中,310~350秒内的实验结果如图8,图9所示,可以看出,膝关节的运动速度完全受伸屈肌群sEMG差值的比例控制,表现为一个理想的阻尼器。当时,典型的如图中标记为“A”的时段所示,股外侧肌的收缩起主要作用,膝关节进行伸展运动。当时,典型的如图中标记为“B”的时段所示,股二头肌收缩而股外侧肌舒张放松,膝关节进行屈曲运动。当时,典型的如图中标记为“C”的时段所示,膝关节的伸屈肌群都处于放松的状态,相应地,膝关节处于静止状态。
所述基于sEMG的单关节弹簧式主动训练是指关节的运动位移与sEMG的强度称正比,同样采用双闭环控制结构,内环是位置控制,由伺服系统实现,外环是刚度控制,采用退化的阻抗方程实现sEMG到关节运动位移的转换:
其中,qci表示第i个关节的运动位置指令,qri表示第i个关节的参考位置,设置成一常量;从而关节空间的位移与伸屈肌群sEMG的差值成正比,当下肢处于放松状态时,即时,关节会回到参考位置。
膝关节参考位置设置为-1.1,即qr2=-1.1(rad)。整个弹簧式主动训练持续时间将近300秒,其中,110~150秒内结果如图10,图11所示。可以看出,膝关节相对于参考位置的运动位移完全受伸屈肌群sEMG差值的比例控制,表现为一个理想的弹簧。典型的如图中标记为“A”和“B”的时段所示,膝关节的角位移随着伸屈肌群的sEMG差值的增大而增大;而当sEMG差值减小时,典型的如图中标记为“C”和“D”的时段所示,膝关节的角位移也随之减小;当时,即膝关节的伸屈肌群都处于放松的状态时,膝关节被拉回至参考位置后保持静止,典型的如图中标记为“E”和“F”的时段所示。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于sEMG的单关节主动训练控制方法,用于具有sEMG采集系统的康复机器人中,其特征在于,包括如下步骤:
S1、sEMG采集系统采集患者的sEMG信号;
S2、康复机器人利用所述sEMG信号转换为单关节主动训练控制信号,对患者的单关节主动训练进行控制。
2.如权利要求1所述的基于sEMG的单关节主动训练控制方法,其特征在于,在所述步骤S1中,所述sEMG采集系统还采集患者的肌肉静息sEMG信号和最大自主收缩状态下的sEMG信号,利用该两种状态下的sEMG信号对采集的所有sEMG信号进行归一化。
3.如权利要求2所述的基于sEMG的单关节主动训练控制方法,其特征在于,在步骤S2中,将各时刻伸肌群与屈肌群sEMG信号之间差值作为单关节主动训练的控制信号。
4.如权利要求3所述的基于sEMG的单关节主动训练控制方法,其特征在于,在步骤S2中,所述康复机器人采用阻尼式对患者的单关节主动训练进行控制,所述阻尼式是指是指关节的运动速度与sEMG信号的强度成正比。
5.如权利要求4所述的基于sEMG的单关节主动训练控制方法,其特征在于,所述步骤S2还包括对所棕伸肌群与屈肌群sEMG信号之间差值进行死区和饱和处理。
6.如权利要求3所述的基于sEMG的单关节主动训练控制方法,其特征在于,在步骤S2中,所述康复机器人采用弹簧式对患者的单关节主动训练进行控制,所述弹簧式是指是指关节的运动位移与sEMG信号的强度成正比。
7.一种康复机器人,具有sEMG采集系统,其特征在于,采用如权利要求1至6中任一项所述的基于sEMG的单关节主动训练控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410784548.XA CN104492033B (zh) | 2014-12-17 | 2014-12-17 | 基于sEMG的单关节主动训练控制方法及相应的康复机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410784548.XA CN104492033B (zh) | 2014-12-17 | 2014-12-17 | 基于sEMG的单关节主动训练控制方法及相应的康复机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104492033A true CN104492033A (zh) | 2015-04-08 |
CN104492033B CN104492033B (zh) | 2017-07-21 |
Family
ID=52933538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410784548.XA Active CN104492033B (zh) | 2014-12-17 | 2014-12-17 | 基于sEMG的单关节主动训练控制方法及相应的康复机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104492033B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105686827A (zh) * | 2016-03-22 | 2016-06-22 | 浙江大学 | 一种基于微控制器的肌电信号处理及特征提取方法 |
CN107137081A (zh) * | 2017-06-22 | 2017-09-08 | 四川东鼎里智信息技术有限责任公司 | 肌肉过渡平衡性检测系统 |
CN108784694A (zh) * | 2018-04-23 | 2018-11-13 | 京东方科技集团股份有限公司 | 一种信号采集电路、信号采集方法及可穿戴设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001286451A (ja) * | 2000-04-07 | 2001-10-16 | Rikogaku Shinkokai | 筋電信号の正規化基準値算出方法、内的力基準値算出方法、収縮度算出方法、内的力算出方法及びこれらの装置 |
US20100130893A1 (en) * | 2007-03-22 | 2010-05-27 | Yoshiyuki Sankai | Rehabilitation supporting device |
US20110213267A1 (en) * | 2010-02-26 | 2011-09-01 | Yasuhiro Kagamihara | Method for identifying and evaluating parallel motor control function in the brain based on electromyogram signals |
CN102525712A (zh) * | 2012-03-01 | 2012-07-04 | 中山大学 | 一种绳牵引上肢康复机器人及其控制方法 |
CN102622605A (zh) * | 2012-02-17 | 2012-08-01 | 国电科学技术研究院 | 一种表面肌电信号的特征提取及动作模式识别方法 |
CN102698411A (zh) * | 2012-06-29 | 2012-10-03 | 中国科学院自动化研究所 | 坐卧式下肢康复机器人及相应的主动训练控制方法 |
-
2014
- 2014-12-17 CN CN201410784548.XA patent/CN104492033B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001286451A (ja) * | 2000-04-07 | 2001-10-16 | Rikogaku Shinkokai | 筋電信号の正規化基準値算出方法、内的力基準値算出方法、収縮度算出方法、内的力算出方法及びこれらの装置 |
US20100130893A1 (en) * | 2007-03-22 | 2010-05-27 | Yoshiyuki Sankai | Rehabilitation supporting device |
US20110213267A1 (en) * | 2010-02-26 | 2011-09-01 | Yasuhiro Kagamihara | Method for identifying and evaluating parallel motor control function in the brain based on electromyogram signals |
CN102622605A (zh) * | 2012-02-17 | 2012-08-01 | 国电科学技术研究院 | 一种表面肌电信号的特征提取及动作模式识别方法 |
CN102525712A (zh) * | 2012-03-01 | 2012-07-04 | 中山大学 | 一种绳牵引上肢康复机器人及其控制方法 |
CN102698411A (zh) * | 2012-06-29 | 2012-10-03 | 中国科学院自动化研究所 | 坐卧式下肢康复机器人及相应的主动训练控制方法 |
Non-Patent Citations (1)
Title |
---|
王宝成: "外骨骼机器人信号辨识与控制", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105686827A (zh) * | 2016-03-22 | 2016-06-22 | 浙江大学 | 一种基于微控制器的肌电信号处理及特征提取方法 |
CN105686827B (zh) * | 2016-03-22 | 2018-12-18 | 浙江大学 | 一种基于微控制器的肌电信号处理及特征提取方法 |
CN107137081A (zh) * | 2017-06-22 | 2017-09-08 | 四川东鼎里智信息技术有限责任公司 | 肌肉过渡平衡性检测系统 |
CN107137081B (zh) * | 2017-06-22 | 2019-10-25 | 四川东鼎里智信息技术有限责任公司 | 肌肉过渡平衡性检测系统 |
CN108784694A (zh) * | 2018-04-23 | 2018-11-13 | 京东方科技集团股份有限公司 | 一种信号采集电路、信号采集方法及可穿戴设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104492033B (zh) | 2017-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Surface EMG signal amplification and filtering | |
CN101791255B (zh) | 助行外骨骼机器人系统及控制方法 | |
CN107224669A (zh) | 自适应穿戴式柔顺外骨骼康复机械手的控制系统 | |
CN103431976A (zh) | 基于肌电信号反馈的下肢康复机器人系统及其控制方法 | |
CN102499797B (zh) | 假肢控制方法及系统 | |
CN105771182A (zh) | 一种康复机器人主动训练控制方法和装置 | |
CN1215614A (zh) | 功能性神经肌肉电信号识别和刺激仪 | |
CN103212188A (zh) | 一种辅助步态训练的方法及系统 | |
CN104492033A (zh) | 基于sEMG的单关节主动训练控制方法及相应的康复机器人 | |
CN105232026A (zh) | 一种非接触式生命体征检测系统的心跳频率检测算法 | |
CN110339024A (zh) | 下肢外骨骼机器人及其实时步态切换方法及存储装置 | |
CN112842824B (zh) | 一种用于下肢康复恢复的训练方法 | |
CN105286804A (zh) | 一种可穿戴式膝爬运动生理参数检测装置 | |
CN106109164A (zh) | 康复系统及康复系统的控制方法 | |
Suhaimi et al. | Analysis of EMG-based muscles activity for stroke rehabilitation | |
CN107518895A (zh) | 面向康复训练的同一肌肉检测方法 | |
CN203724633U (zh) | 实时反馈智能型电刺激装置 | |
Jali et al. | Features extraction of EMG signal using time domain analysis for arm rehabilitation device | |
CN105434088A (zh) | 基于无线传感网络的假肢表面肌电信号采集系统 | |
Liu et al. | A novel sEMG control-based variable stiffness exoskeleton | |
Geng et al. | Recognition of combined arm motions using support vector machine | |
Sun et al. | A fault-tolerant algorithm to enhance generalization of EMG-based pattern recognition for lower limb movement | |
CN209253488U (zh) | 一种全仿生类脑智能手部电子机械外骨骼及其控制系统 | |
CN115607835A (zh) | 基于对侧肌电控制的下肢康复系统及其控制方法 | |
Bhardwaj et al. | Electromyography in physical rehabilitation: a review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |