CN104714645A - 人机交互方法和人机交互设备 - Google Patents
人机交互方法和人机交互设备 Download PDFInfo
- Publication number
- CN104714645A CN104714645A CN201510130483.1A CN201510130483A CN104714645A CN 104714645 A CN104714645 A CN 104714645A CN 201510130483 A CN201510130483 A CN 201510130483A CN 104714645 A CN104714645 A CN 104714645A
- Authority
- CN
- China
- Prior art keywords
- signal
- dynamics
- frequency
- user
- human
- 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
Abstract
本发明实施例公开了一种人机交互方法和人机交互设备。所述方法包括:从第一表面肌电信号解析出与力度相关的第一力度信号,所述第一表面肌电信号是从用户期望控制的肌肉群采集的第二表面肌电信号得到;根据所述第一力度信号确定用户的力度;在所述力度属于预设力度范围的持续时间达到预设时间时,触发控制人机交互设备动作的预设指令;以该预设指令控制人机交互设备动作。整个过程,只需用户控制对肌肉群的用力大小即可完成,极具实用性;另因不需要显式地做出特定手势、特定手型,基于隐蔽性,不易被他人观察到,造成信息泄露,一定程度上具有信息安全作用。
Description
技术领域
本发明实施例涉及网络领域,尤其涉及人机交互方法和人机交互设备。
背景技术
随着科技的迅猛发展,人机交互技术渗透到日常生活中的方方面面,也是可穿戴设备等新兴技术的重要发展方向。
目前在人机交互中,用户做出特定手势、特定手型,人机交互系统识别到该特定手势或该特定手型时输出指令。但通过做出特定手势、特定手型来触发指令的应用场景有限,存在很多用户不方便或不可能做出该特定手势、特定手型的场合,比如,用户驾车时,双手不能离开方向盘来做出复杂的特定手势,导致通过手势的人机交互方式无法使用。另外,显式地做出特定手势、特定手型,可能会被他人观察到,容易造成信息泄露。
发明内容
有鉴于此,本发明实施例提供了一种人机交互方法和人机交互设备,从表面肌电信号提取出与力度相关的力度信号,根据力度信号触发人机交互指令,以该人机交互指令控制人机交互设备。
第一方面,本发明实施例提供了一种人机交互方法,所述人机交互方法包括:
从第一表面肌电信号解析出与力度相关的第一力度信号,所述第一表面肌电信号是从用户期望控制的肌肉群采集的第二表面肌电信号得到;
根据所述第一力度信号确定用户的力度;
在所述力度属于预设力度范围的持续时间达到预设时间时,触发控制人机交互设备动作的预设指令。
结合第一方面,在第一种可能的实现方式中,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第一力度信号。
结合第一方面,在第二种可能的实现方式中,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
计算所述第一表面肌电信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第一肌电能量;
从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第一肌电能量与所述第二肌电能量的比值作为去疲劳系数;
将所述第一表面肌电信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
结合第一方面,在第三种可能的实现方式中,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第二力度信号;
计算所述第二力度信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量;
从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数;
将所述第二力度信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
结合第一方面的第一种可能的实现方式或者第一方面的第三种可能的实现方式,在第四种可能的实现方式中,所述获得低通滤波所得信号的包络的实现方式为:将低通滤波所得信号的幅度随着时间变化的曲线作为所述包络。
结合第一方面或第一方面的以上任一项可能的实现方式,在第五种可能的实现方式中,所述人机交互方法还包括:
显式反馈用户根据所述第一力度信号确定的力度,以期望用户持续大于或等于所述预设时间向所述肌肉群施加所述预设力度范围的力。
结合第一方面或者第一方面的以上任一项可能的实现方式,在第六种可能的实现方式中,在所述从第一表面肌电信号解析出与力度相关的第一力度信号之前,所述方法还包括:
将采集得到的所述第二表面肌电信号按时间进行分段,计算每个段包括的每个数据的绝对值的平均值,得到所述第一表面肌电信号。
第二方面,本发明实施例提供了一种人机交互设备,所述人机交互设备包括:
解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,所述第一表面肌电信号是从用户期望控制的肌肉群采集的第二表面肌电信号得到;
力度确定单元,用于根据所述第一力度信号确定用户的力度;
指令触发单元,用于在所述力度属于预设力度范围的持续时间达到预设时间时,触发控制人机交互设备动作的预设指令。
结合第二方面,在第一种可能的实现方式中,所述解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
曲线确定单元,用于对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
作差单元,用于将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第一力度信号。
结合第二方面,在第二种可能的实现方式中,所述解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
能量确定单元,用于计算所述第一表面肌电信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第一肌电能量;
系数确定单元,用于从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第一肌电能量与所述第二肌电能量的比值作为去疲劳系数;
信号得到单元,用于将所述第一表面肌电信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
结合第二方面,在第三种可能的实现方式中,所述解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
曲线确定单元,用于对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
作差单元,用于将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第二力度信号;
能量确定单元,用于计算所述第二力度信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量;
系数确定单元,用于从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数;
信号得到单元,用于将所述第二力度信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
结合第二方面的第一种可能的实现方式或者第二方面的第三种可能的实现方式,在第四种可能的实现方式中,所述获得低通滤波所得信号的包络的实现方式为:将低通滤波所得信号的幅度随着时间变化的曲线作为所述包络。
结合第二方面或第二方面的以上任一项可能的实现方式,在第五种可能的实现方式中,所述人机交互设备还包括:
显式反馈单元,用于显式反馈用户根据所述第一力度信号确定的力度,以期望用户持续大于或等于所述预设时间向所述肌肉群施加所述预设力度范围的力。
结合第二方面或第二方面的以上任一项可能的实现方式,在第六种可能的实现方式中,所述人机交互设备还包括:
平均绝对值计算单元,用于将采集得到的所述第二表面肌电信号按时间进行分段,计算每个段包括的每个数据的绝对值的平均值,得到所述第一表面肌电信号。
第三方面,本发明实施例提供了人机交互设备,所述人机交互设备包括处理器、存储器和通信接口,所述处理器分别与所述存储器和所述通信接口通过所述总线连接;
所述存储器用于存储计算机执行指令,所述通信接口用于接收从用户期望控制的肌肉群采集的第二表面肌电信号,当所述人机交互设备运行时,所述处理器读取所述存储器存储的所述计算机执行指令,以执行第一方面或第一方面以上任一项可能的实现方式提供述的人机交互方法。
通过上述方案,从用户期望控制的肌肉群采集表面肌电信号,从该表面肌电信号提取出与力度相关的力度信号,再根据该力度信号触发预设指令,以该预设指令控制人机交互设备动作。整个过程,只需用户控制对肌肉群的用力大小即可完成,极具实用性;另因不需要显式地做出特定手势、特定手型,基于隐蔽性,不易被他人观察到,造成信息泄露,一定程度上具有信息安全作用。
附图说明
图1为人机交互方法的应用场景的系统逻辑结构示意图;
图2为依据本发明一实施例提供的人机交互方法的一种基本流程图;
图3为对图2中步骤S201的一种可选细化流程图;
图4为对图2中步骤S201的一种可选细化流程图;
图5为对图2中步骤S201的一种可选细化流程图;
图6为对图2提供的人机交互方法增加显式反馈后的一种可选流程图;
图7为依据本发明一实施例的人机交互设备700提供的逻辑结构示意图;
图8为对图7中解析单元701的一种可选细化逻辑结构示意图;
图9为对图7中解析单元701的一种可选细化逻辑结构示意图;
图10为对图7中解析单元701的一种可选细化逻辑结构示意图;
图11为对图7提供的人机交互设备700增加显式反馈后的一种可选细化逻辑结构示意图;
图12为对图7提供的人机交互设备700增加去噪功能后的一种可选细化逻辑结构示意图;
图13为依据本发明一实施例的人机交互设备102提供的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示的人机交互系统100,包括肌电信号采集设备101和人机交互设备102;电信号采集设备101与人机交互设备102通信连接,基于该通信连接进行肌电信号采集设备101与人机交互设备102之间的数据传输。
图1中的肌电信号采集设备101,具有采集电极;假如将该采集电极贴于用户期望控制的肌肉群,用户对该肌肉群施加力时,肌电信号采集设备101通过该采集电极获取到表面肌电信号(SurfaceElectromyography,SEMG);因表面肌电信号是浅层肌肉肌电信号(Electromyography,EMG)和神经干上电活动在皮肤表面的综合效应,所以能在一定程度上反映神经肌肉的活动;进一步地,该表面肌电信号能够一定程度上反应用户对该肌肉群所施的力度。
需说明的是,用户期望控制的肌肉群,需是用户能够自主控制的肌肉群,可以是手部的肌肉群,脚部的肌肉群,脸部的肌肉群等等。
需说明的是,肌电信号采集设备101所具有的该采集电极,可以是贴片电极、金属电极、有机导电材料等;只要贴于用户期望控制的肌肉群便能采集到该肌肉群的该表面肌电信号的该采集电极均可,在此不做限定。
图1中的人机交互设备102,用于人机交互。例如,该人机交互设备102可接收用户输入的指令,响应该指令并执行对应动作;该人机交互设备102可接收用户输入的数据,处理该数据并反馈用户,例如通过显示器显示该数据的处理结果。
可选地,人机交互系统100中,肌电信号采集设备101和人机交互设备102可以直接连接;例如,人机交互设备102通过其通信接口与肌电信号采集设备101直接电性连接,人机交互设备102通过其通信接口接收肌电信号采集设备101采集的表面肌电信号,人机交互设备102可通过其通信接口向肌电信号采集设备101发送指令,通过该指令获取采集设备101的状态信息和/或控制采集设备101执行动作。
可选地,人机交互系统100中,肌电信号采集设备101和人机交互设备102之间通过网络互连,肌电信号采集设备101和人机交互设备102通过该网络进行相互间的数据传输;例如,肌电信号采集设备101通过该网络向人机交互设备102发送表面肌电信号,人机交互设备102可通过该网络向肌电信号采集设备101发送指令,通过该指令获取采集设备101的状态信息和/或控制采集设备101执行动作。
本发明实施例基于人机交互系统100,从人机交互设备102角度提供一种人机交互方法。该人机交互方法,根据用户在期望控制的肌肉群的力度预设力度范围的持续时间达到预设时间,触发预设指令,以该预设指令控制人机交互设备102动作。
本发明一实施例,以调节音量为例描述该人机交互方法,所述人机交互方法包括步骤S101、步骤S102、步骤S103和步骤S104。
首先,在用户左右手臂肌肉群上放置肌电信号采集设备,用户左右臂的肌肉群用力时,肌电信号采集装置对左臂的肌肉群持续采集8个通道的表面肌电信号S0_L,对右臂的肌肉群持续采集8个通道的表面肌电信号S0_R;分别对表面肌电信号S0_L和表面肌电信号S0_R依次进行信号放大、信号滤波、模数转换(AD转换)等信号处理,对表面肌电信号S0_L信号处理后得到数字的表面肌电信号S1_L,对表面肌电信号S0_R信号处理后得到数字的表面肌电信号S1_R;将表面肌电信号S1_L和表面肌电信号S1_R传输至人机交互设备,人机交互设备根据本实施例提供的人机交互方法处理表面肌电信号S1_L和表面肌电信号S1_R,所述人机交互方法包括步骤S101、步骤S102、步骤S103和步骤S104。
步骤S101,将每个通道的表面肌电信号S1_L依次按段进行划分,每个段包括N个数据,计算每个段的平均绝对值(Mean Absolute Value,简称MAV),即针对每个段包括的每个数据的绝对值分别计算平均值,得到由每个通道的MAV组成的表面肌电信号S2_L;同理,将每个通道的表面肌电信号S1_R依次按段进行划分,每个段包括N个数据,计算每个段的MAV,得到由每个通道的MAV组成的表面肌电信号S2_R。
对于每段的数据,计算该段的MAV如下:
其中,N代表第k段中数据的个数,xi为第k段中的第i个数据。
步骤S102,将表面肌电信号S2_L以0Hz到0.5Hz为通带频率进行低通滤波,并提取低通滤波所得信号的包络,将所述包络作为基础状态校正曲线C2_L;可选地,提取低通滤波所得信号的包络的实现方式为:随着时间,提取该低通滤波所得信号的幅度,将该低通滤波所得信号的幅度随着时间变化的曲线作为该包络。因表面肌电信号S2_L为离散的而基础状态校正曲线C2_L为连续的,按照表面肌电信号S2_L的时间顺序从基础状态校正曲线C2_L获取相同时刻的数值,依次将表面肌电信号S2_L中同时刻的数值与从基础状态校正曲线C2_L获取的同时刻的数值作差,得到表面肌电信号S3_L。
同理,将表面肌电信号S2_R以0Hz到0.5Hz为通带频率进行低通滤波,并提取低通滤波所得信号的包络,将所述包络作为基础状态校正曲线C2_R;可选地,提取低通滤波所得信号的包络的实现方式为:随着时间,提取该低通滤波所得信号的幅度,将该低通滤波所得信号的幅度随着时间变化的曲线作为该包络。因表面肌电信号S2_R为离散的而基础状态校正曲线C2_R为连续的,按照表面肌电信号S2_R的时间顺序从基础状态校正曲线C2_R获取相同时刻的数值,依次将表面肌电信号S2_R中同时刻的数值与从基础状态校正曲线C2_R获取的同时刻的数值作差,得到表面肌电信号S3_R。
步骤S103,确定表面肌电信号S3_L的中位频率(Median Frequency,简称MF),确定表面肌电信号S3_L的平均功率频率(Mean PowerFrequency,简称MPF),根据左臂肌肉群的疲劳校正曲线C1_L确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量,从所述疲劳校正曲线C1_L获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数,将表面肌电信号S3_L除以所述去疲劳系数,得到与左臂肌肉群对应的的力度信号S_L。
需说明的是,计算表面肌电信号S3_L的中位频率的算法如下:
其中,P(f)为表面肌电信号S3_L的功率谱密度函数,则将P(f)平分为两个相等面积的频率fo称为表面肌电信号S3_L的中位频率。
需说明的是,计算表面肌电信号S3_L的平均功率频率的算法如下:
其中,P(f)成为表面肌电信号S3_L的功率谱密度函数,频率f1称为表面肌电信号S3_L的平均功率频率。
同理,确定表面肌电信号S3_R的中位频率,确定表面肌电信号S3_R的平均功率频率,根据右臂肌肉群的疲劳校正曲线C1_R确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量,从所述疲劳校正曲线C1_R获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数,将表面肌电信号S3_R除以所述去疲劳系数,得到与右臂肌肉群对应的的力度信号S_R。
需说明的是,计算表面肌电信号S3_R的中位频率的算法如下:
其中,P(f)为表面肌电信号S3_R的功率谱密度函数,则将P(f)平分为两个相等面积的频率fo称为表面肌电信号S3_R的中位频率。
需说明的是,计算表面肌电信号S3_R的平均功率频率的算法如下:
其中,P(f)成为表面肌电信号S3_R的功率谱密度函数,频率f1称为表面肌电信号S3_R的平均功率频率。
需说明的是,表面肌电信号的MPF和MF,随肌肉群的活动持续时间延长,或随肌肉群的活动次数增加,呈线性下降并且下降速度主要与肌肉群的负荷大小或疲劳程度相关;因此,可以预先确定用户在不同疲劳状态下测得的表面肌电信号所具有的MPF和MF,得到疲劳程度分别与MPF和MF的线性关系。又由于疲劳程度和肌电能量具有正相关关系,因此可以得到MPF和MF与肌电能量的关系,根据该关系确定该肌肉群的该疲劳校正曲线。因此,在执行步骤S103之前,可以预先确定左臂肌肉群的疲劳校正曲线C1_L,预先确定右臂肌肉群的疲劳校正曲线C1_R。
步骤S104,根据力度信号S_L能够确定用户对左臂肌肉群施加的力度大小;本实施例中,用于音量调高的力度范围为多个,不同力度范围包含的力度不同,当根据力度信号S_L确定的力度持续处于某个力度范围的时间达到预设时间时,触发与该个预设力度范围对应的音量调高指令,根据该音量调高指令将音量调高;本实施例中,利用左臂肌肉群控制将音量调高的幅度,用户对左臂肌肉群施加的力度越大,将音量调得越高。
相应地,根据力度信号S_R能够确定用户对右臂肌肉群施加的力度大小;本实施例中,用于音量调低的力度范围为多个,不同力度范围包含的力度不同,当根据力度信号S_R确定的力度持续处于某个力度范围的时间达到预设时间时,触发与该个预设力度范围对应的音量调低指令,根据该音量调低指令将音量调低;本实施例中,利用左臂肌肉群控制将音量调低的幅度,用户对右臂肌肉群施加的力度越大,将音量调得越低。
然后,用于可以根据听到的声音大小,控制对左臂肌肉群施加的力进行音量调高,控制对右臂肌肉群施加的力进行音量调低,直到得到用户期望的音量大小。
本发明一实施例,提供一种人机交互方法,图2示出了依据本实施例提供的该方法的实现流程,但为了便于描述,图2仅示出了与本发明实施例相关的部分。所述人机交互方法包括步骤S201、步骤S202和步骤S203。
预先将肌电信号采集设备的采集电极贴于用户期望控制的肌肉群,肌电信号采集设备采集该肌肉群的表面肌电信号,该表面肌电信号为模拟信号;肌电信号采集设备对采集的表面肌电信号依次进行信号放大、信号滤波、模数转换(AD转换)等信号处理,得到数字的表面肌电信号,本实施例定义第二表面肌电信号为所述数字的表面肌电信号;肌电信号采集设备将该第二表面肌电信号发送至人机交互设备;进而,人机交互设备可对第二表面肌电信号执行本实施例提供的人机交互方法,包括执行步骤S201、步骤S202和步骤S203。
步骤S201,从第一表面肌电信号解析出与力度相关的第一力度信号,所述第一表面肌电信号是从用户期望控制的肌肉群采集的第二表面肌电信号得到。
需说明的是,步骤S201可对第二表面肌电信号进行平滑滤波等去噪处理,得到第一表面肌电信号;对第一表面肌电信号进行与力度相关的特征提取,结合一个或多个提取到的特征生成第一力度信号,使得生成的第一力度信号是与力度强相关的,该第一力度信号能够直接反映力度的大小;其中,可从第一表面肌电信号提取的与力度相关的特征至少包括以下几种:
第一种,第一表面肌电信号中多个段的平均绝对值(mean absolutevalue);
第一种,第一表面肌电信号的信号包络;
第一种,第一表面肌电信号的信号功率。
步骤S202,根据所述第一力度信号确定用户的力度。
步骤S203,在所述力度属于预设力度范围的持续时间达到预设时间时,触发控制人机交互设备动作的预设指令。
其中,预设力度范围是针对用户期望控制的肌肉群而确定的,不同肌肉群,确定的预设力度范围可能不同,并且确定的所述预设力度范围的个数也可能不同,相应地,确定的预设指令也不同;通常情况下,多个预设力度范围与多个预设指令具有一一映射关系,即一个预设力度范围与一个预设指令匹配。具体实施时,预设力度范围可人为设定或修改,也可以根据以往的实验数据设定。
其中,预设时间可人为设定或修改,也可以根据以往的实验数据设定。
本实施例中,步骤S201、步骤S202和步骤S203是依次实时进行的;需要步骤S202持续根据步骤S201实时得到所述第一力度信号确定用户的力度,当确定的力度属于预设力度范围时,按照时间顺序,持续判断步骤S202根据步骤S201实时得到所述第一力度信号确定的力度是否属于同样的预设力度范围,如果持续属于同样的预设力度范围的持续时间达到预设时间时,触发与该预设力度范围匹配的预设指令,以该预设指令控制人机交互设备动作。举例说明,该预设指令为音量调节指令,在触发该音量调节指令时按照该音量调整指令指定的调整幅度调整当前的音量。
从本实施例可知,在用户可控的肌肉群采集表面肌电信号,再从该表面肌电信号进一步解析出于直接反应力度大小的第一力度信号;再根据该第一力度信号反应的力度是否满足触发与某个预设力度范围对应的预设指令,满足时触发该预设指令,以该预设指令控制人机交互设备动作。整个过程,只需用户控制对肌肉群的用力大小即可完成,极具实用性;另因不需要显式地做出特定手势、特定手型,基于隐蔽性,不易被他人观察到,造成信息泄露,一定程度上具有信息安全作用。
可选地,为去除用户的基础状态对力度确定带来的影响,对步骤S201作一可选细化,图3示出了依据本实施例提供的步骤S201的一种可选实现流程,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
步骤S301,对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
步骤S302,将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第一力度信号。
需说明的是,基础状态是指人在未用力且未疲劳时处于的状态;基础状态这一指标与人的生理状态有关。通常,以预设频率为截止频率对当前采集的所述第一表面肌电信号进行低通滤波,可得到与当前的基础状态对应的基频肌电信号。可选地,选择的预设频率为0.5赫兹(Hz),即以通带频率为0赫兹(Hz)到0.5赫兹(Hz)为通带频率对所述第一表面肌电信号进行低通滤波,得到与当前的基础状态对应的基频肌电信号;本实施例根据得到的基频肌电信号所具有的包络,确定基础状态校正曲线,该基础状态校正曲线为由该包络构成的曲线。
可选地,所述获得低通滤波所得信号的包络的实现方式为:将低通滤波所得信号的幅度随着时间变化的曲线作为所述包络;具体地,随着时间,提取该低通滤波后的基频肌电信号的幅度,将该低通滤波后的基频肌电信号的幅度随着时间变化的曲线作为该包络。
进而为消除用户当前的基础状态带来的影响,从第一表面肌电信号滤除与基础状态相关的信号;具体的滤除方法是:
确定模数转换得到数字的第一表面肌电信号的各个时刻,按照模数转换得到第一表面肌电信号的时间顺序,依次将同时刻的第一表面肌电信号的数值与同时刻从基础状态校正曲线获取的数值作差,将作差得到的信号作为所述第一力度信号。
本实施例在从第一表面肌电信号中提取与力度相关的第一力度信号的过程中,去除了第一表面肌电信号中与基础状态相关的信号,避免因基础状态的影响导致根据第一力度信号确定的力度不够准确。
可选地,为去除因用户的疲劳状态对力度确定带来的影响,对步骤S201作一可选细化,图4示出了依据本实施例提供的步骤S201的一种可选实现流程,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
步骤S401,计算所述第一表面肌电信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第一肌电能量;
步骤S402,从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第一肌电能量与所述第二肌电能量的比值作为去疲劳系数;
步骤S403,将所述第一表面肌电信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
本实施例中,需预先针对用户期望控制的肌肉群,确定该肌肉群对应的疲劳校正曲线;确定的方法见上述步骤S103的相关描述,在此不再赘述。预先确定的该疲劳校正曲线,体现了肌肉群在不同疲劳程度下,表面肌电信号的MPF和MF、肌肉群的肌电能量之间的关系。确定该疲劳校正曲线的原理,详述如下:
所述表面肌电信号的中位频率MF和平均功率频率MPF,随肌肉群的活动持续时间延长,或随肌肉群的活动次数增加,呈线性下降并且下降速度主要与肌肉群的负荷大小或疲劳程度相关;因此,可以预先确定用户在不同疲劳状态下测得的表面肌电信号所具有的MPF和MF,得到疲劳程度分别与MPF和MF的线性关系。又由于疲劳程度和肌电能量具有正相关关系,因此可以得到MPF和MF与肌电能量的关系;根据不同疲劳程度同时与表面肌电信号的MPF和MF的关系、与肌肉群的肌电能量的关系,确定该肌肉群的该疲劳校正曲线。
需说明的是,因为用户肌肉群的生理特征会随着时间不断变化,但在短期内是几乎不变的。本实施例可每经过特定时间,重新确定一次该肌肉群的该疲劳校正曲线。
本实施例为去除疲劳对力度确定带来的影响,需根据当前的疲劳校正曲线确定与当前的第一表面肌电信号的中位频率和平均功率频率同时对应的第一肌电能量,再根据当前的疲劳校正曲线确定用户在非疲劳状态下的第二肌电能量,继而确定当前的去疲劳系数,该去疲劳系数为:所述第一肌电能量与所述第二肌电能量的比值。在去除疲劳对力度确定带来的影响时,将当前的第一表面肌电信号除以所述去疲劳系数,将得到的信号作为第一力度信号。
这样,在从第一表面肌电信号中提取与力度相关的第一力度信号的过程中,去除了第一表面肌电信号中与疲劳状态相关的信号,避免因疲劳状态的影响导致根据第一力度信号确定的力度不够准确。
可选地,为依次去除用户的基础状态对力度确定带来的影响、去除因用户的疲劳状态对力度确定带来的影响,对步骤S201作一可选细化,图5示出了依据本实施例提供的步骤S201的一种可选实现流程,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
步骤S501,对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
步骤S502,将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第二力度信号;
步骤S503,计算所述第二力度信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量;
步骤S504,从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数;
步骤S505,将所述第二力度信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
其中,步骤S501和步骤S502确定第二力度信号的实现方式,与步骤S301和步骤S302确定第一力度信号的实现方式原理一样,在此不再赘述。
待依次执行步骤S501和步骤S502去除数字的第一表面肌电信号中与基础状态相关的信号并得到第二力度信号之后,对第二力度信号依次执行步骤S503、步骤S504和步骤S505去除与疲劳状态相关的信号;其中,依次执行步骤S503、步骤S504和步骤S505去除该第二力度信号中与疲劳状态相关的信号的实现方式,与依次执行步骤S401、步骤S402和步骤S403去除第一表面肌电信号中与疲劳状态相关的信号的实现方式,实现原理一样,在此不再赘述。
本实施例对数字的第一表面肌电信号,依次去除与基础状态相关的信号、去除与疲劳状态相关的信号,将依次去除所得的信号作为第一力度信号。这样,在从第一表面肌电信号中提取与力度相关的第一力度信号的过程中,对第一表面肌电信号依次去除与基础状态相关的信号和与疲劳状态相关的信号,避免因基础状态的影响导致根据第一力度信号确定的力度不够准确,同时还避免因疲劳状态的影响导致根据第一力度信号确定的力度不够准确。
可选地,所述获得低通滤波所得信号的包络的实现方式为:将低通滤波所得信号的幅度随着时间变化的曲线作为所述包络。
可选地,在所述从第一表面肌电信号解析出与力度相关的第一力度信号之前,所述方法还包括:
将采集得到的所述第二表面肌电信号按时间进行分段,计算每个段包括的每个数据的绝对值的平均值,得到所述第一表面肌电信号。
具体地,人机交互设备从肌电信号采集设备接收数字的第二表面肌电信号,对第二表面肌电信号去除量化噪声等高频噪声,得到第一表面肌电信号;具体去噪过程为,对第二表面肌电信号按时间分段,计算每个段的MAV,由所有MAV按照时间组成的数字信号为第一表面肌电信号;举例说明,假设按时间对第二表面肌电信号分段,分出的每个段包括N个数据,计算每个段的MAV,计算第k段的MAV采用如下公式实现:
其中,N代表第k段中数据的个数,xi为第k段中的第i个数据,MAVk为第k段的MAV。
本发明一实施例,为便于用户调整对期望操控的肌肉群的用力,图6基于图2提供的人机交互方法添加了反馈流程,所述人机交互方法还包括:
步骤S204,显式反馈用户根据所述第一力度信号确定的力度,以期望用户持续大于或等于所述预设时间向所述肌肉群施加所述预设力度范围的力。
通常,当用户得知每个所述预设力度范围与每个预设指令的一一映射关系之后,期望提高触发预设指令的速度,为此需保证持续预设时间,用户需保持对该肌肉群施加该预设力度范围的力。为了便于用户直观得到自己施加的力度大小,以正确触发预设指令;本实施例在步骤S202根据所述第一力度信号确定用户的力度,对该力度进行显式地反馈,使得用户能够根据该显式反馈控制对所述肌肉群施加的力。
通常,显式反馈是指通过视觉、听觉、触觉等能够直观感受的方式进行反馈,在此定义的基础上,本实施例对显式反馈的方式不做限定,但可根据不同应用场景设定适宜的反馈方式;举例说明,显式反馈的方式包括:
第一种,采用色彩变化反馈步骤S202根据所述第一力度信号确定的力度,例如,显示色彩随步骤S202确定的力度增加由蓝色渐进地变为红色;
第二种,采用音量变化反馈步骤S202根据所述第一力度信号确定的力度,声音随着步骤S202确定的力度增加而增加;
第三种,采用震动幅度反馈步骤S202根据所述第一力度信号确定的力度,添设与用户身体接触的震动器,该振动器的振动幅度随着步骤S202确定的力度增加而增加。
本发明一实施例,提供一种人机交互设备700,图7示出了依据本实施例提供的该人机交互设备700的逻辑结构示意图,但为了便于描述,图7仅示出了与本发明实施例相关的部分。
所述人机交互设备700包括:
解析单元701,用于从第一表面肌电信号解析出与力度相关的第一力度信号,所述第一表面肌电信号是从用户期望控制的肌肉群采集的第二表面肌电信号得到,所述第二表面肌电信号属于数字信号;
力度确定单元702,用于根据所述第一力度信号确定用户的力度;
指令触发单元703,用于在所述力度属于预设力度范围的持续时间达到预设时间时,触发控制人机交互设备动作的预设指令。
可选地,为去除用户的基础状态对力度确定带来的影响,对图7提供的解析单元701作一可选细化,图8示出了解析单元701的一种可选逻辑结构;具体地,所述解析单元701,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
曲线确定单元7011,用于对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
作差单元7012,用于将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第一力度信号。
可选地,为去除用户的疲劳状态对力度确定带来的影响,对图7提供的解析单元701作一可选细化,图9示出了解析单元701的一种可选逻辑结构;具体地,所述解析单元701,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
能量确定单元7013,用于计算所述第一表面肌电信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第一肌电能量;
系数确定单元7014,用于从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第一肌电能量与所述第二肌电能量的比值作为去疲劳系数;
信号得到单元7015,用于将所述第一表面肌电信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
可选地,依次去除用户的基础状态对力度确定带来的影响、去除因用户的疲劳状态对力度确定带来的影响,对图7提供的解析单元701作一可选细化,图10示出了解析单元701的一种可选逻辑结构;具体地,所述解析单元701,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
曲线确定单元7011,用于对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
作差单元7012,用于将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第二力度信号;
能量确定单元7013,用于计算所述第二力度信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量;
系数确定单元7014,用于从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数;
信号得到单元7015,用于将所述第二力度信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
可选地,所述获得低通滤波所得信号的包络的实现方式为:将低通滤波所得信号的幅度随着时间变化的曲线作为所述包络。
可选地,为便于用户调整对期望操控的肌肉群的用力,图11基于图7提供的人机交互设备700添加了显式反馈的结构,所述人机交互设备700还包括:
显式反馈单元704,用于显式反馈用户根据所述第一力度信号确定的力度,以期望用户持续大于或等于所述预设时间向所述肌肉群施加所述预设力度范围的力。
可选地,人机交互设备700可作为软件执行主体集成到人机交互设备102中。
可选地,为去除噪声干扰,图12基于图7提供的人机交互设备700添加了去除噪声的单元,所述人机交互设备700还包括:
平均绝对值计算单元705,用于将采集得到的所述第二表面肌电信号按时间进行分段,计算每个段包括的每个数据的绝对值的平均值,得到所述第一表面肌电信号。
作为本发明一实施例,提供一种人机交互设备102,图13是本实施例提供的人机交互设备102的硬件结构示意图,示出了所述人机交互设备102的一种硬件结构。如图13所示,所述人机交互设备102包括处理器1021、存储器1022和通信接口1024,所述处理器1021分别与所述存储器1022和所述通信接口1024通过所述总线1023连接;
所述存储器1022用于存储计算机执行指令,所述通信接口1024用于从用户期望控制的肌肉群采集的第二表面肌电信号,当所述人机交互设备102运行时,所述处理器1021读取所述存储器1022存储的所述计算机执行指令,以执行上述实施例提供的人机交互方法。
可选地,所述人机交互设备102与肌电信号采集设备101通信连接,所述通信接口1024用于接收:所述肌电信号采集设备101从用户期望控制的肌肉群采集到并输出的第二表面肌电信号。
其中,处理器1021可以采用通用的中央处理器(CentralProcessing Unit,CPU),微处理器,应用专用集成电路(ApplicationSpecific Integrated Circuit,ASIC),或者一个或多个集成电路,用于执行相关程序,以实现本发明实施例所提供的技术方案,包括执行上述实施例提供的人机交互方法。
其中,存储器1022可以是只读存储器(Read Only Memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(Random AccessMemory,RAM)。存储器1022可以存储操作系统和其他应用程序。在通过软件或者固件来实现本发明实施例提供的技术方案时,用于实现本发明实施例提供的技术方案的程序代码保存在存储器1022中,包括将应用于所述人机交互设备102的上述实施例提供的人机交互方法的程序代码保存在存储器1022中,并由处理器1021来执行。
其中,通信接口1024可以是电性直连接口,来实现与肌电信号采集设备101的电性直连,也可以是使用例如但不限于收发器一类的收发装置,来实现所述人机交互设备102与其他设备(包括肌电信号采集设备101)或通信网络之间的网络通信;可选地,通信接口1024可以是用于接入网络的各种接口,如用于接入以太网的以太网接口,该以太网接口包括但不限于RJ-45接口、RJ-11接口、SC光纤接口、FDDI接口、AUI接口、BNC接口和Console接口等。
其中,总线1023可包括一通路,用于在所述人机交互设备102中各个部件(例如处理器1021、存储器1022和通信接口1024)之间传送信息。
可选地,所述人机交互设备102还包括输入/输出接口1025,输入/输出接口1025用于接收输入的数据和信息,输出操作结果等数据。如,输入/输出接口1025可用于:显式反馈用户根据所述第一力度信号确定的力度,以期望用户持续大于或等于所述预设时间向所述肌肉群施加所述预设力度范围的力。
应注意,尽管图13所示的所述人机交互设备102仅仅示出了处理器1021、存储器1022、通信接口1024以及总线1023,但是在具体实现过程中,本领域的技术人员应当明白,所述人机交互设备102还包含实现正常运行所必须的其他器件。同时,根据具体需要,本领域的技术人员应当明白,所述人机交互设备102还可包含实现其他附加功能的硬件器件。此外,本领域的技术人员应当明白,所述人机交互设备102也可仅仅包含实现本发明实施例所必须的器件,而不必包含图13中所示的全部器件。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块和单元的划分,仅仅为一种逻辑功能划分,实现时可以有另外的划分方式,例如多个模块或单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
上述以软件功能模块的形式实现集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:移动硬盘、只读存储器(英文:Read-Only Memory,简称ROM)、随机存取存储器(英文:Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的保护范围。
Claims (15)
1.一种人机交互方法,其特征在于,所述人机交互方法包括:
从第一表面肌电信号解析出与力度相关的第一力度信号,所述第一表面肌电信号是从用户期望控制的肌肉群采集的第二表面肌电信号得到;
根据所述第一力度信号确定用户的力度;
在所述力度属于预设力度范围的持续时间达到预设时间时,触发控制人机交互设备动作的预设指令。
2.根据权利要求1所述的方法,其特征在于,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第一力度信号。
3.根据权利要求1所述的方法,其特征在于,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
计算所述第一表面肌电信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第一肌电能量;
从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第一肌电能量与所述第二肌电能量的比值作为去疲劳系数;
将所述第一表面肌电信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
4.根据权利要求1所述的方法,其特征在于,所述从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第二力度信号;
计算所述第二力度信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量;
从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数;
将所述第二力度信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
5.根据权利要求2或4所述的方法,其特征在于,所述获得低通滤波所得信号的包络的实现方式为:将低通滤波所得信号的幅度随着时间变化的曲线作为所述包络。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述人机交互方法还包括:
显式反馈用户根据所述第一力度信号确定的力度,以期望用户持续大于或等于所述预设时间向所述肌肉群施加所述预设力度范围的力。
7.根据权利要求1至6任一项所述的方法,其特征在于,在所述从第一表面肌电信号解析出与力度相关的第一力度信号之前,所述方法还包括:
将采集得到的所述第二表面肌电信号按时间进行分段,计算每个段包括的每个数据的绝对值的平均值,得到所述第一表面肌电信号。
8.一种人机交互设备,其特征在于,所述人机交互设备包括:
解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,所述第一表面肌电信号是从用户期望控制的肌肉群采集的第二表面肌电信号得到;
力度确定单元,用于根据所述第一力度信号确定用户的力度;
指令触发单元,用于在所述力度属于预设力度范围的持续时间达到预设时间时,触发控制人机交互设备动作的预设指令。
9.根据权利要求8所述的人机交互设备,其特征在于,所述解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
曲线确定单元,用于对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
作差单元,用于将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第一力度信号。
10.根据权利要求8所述的人机交互设备,其特征在于,所述解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
能量确定单元,用于计算所述第一表面肌电信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第一肌电能量;
系数确定单元,用于从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第一肌电能量与所述第二肌电能量的比值作为去疲劳系数;
信号得到单元,用于将所述第一表面肌电信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
11.根据权利要求8所述的人机交互设备,其特征在于,所述解析单元,用于从第一表面肌电信号解析出与力度相关的第一力度信号,具体包括:
曲线确定单元,用于对所述第一表面肌电信号以预设频率为截止频率进行低通滤波,获得低通滤波所得信号的包络,将所述包络作为基础状态校正曲线;
作差单元,用于将所述第一表面肌电信号与所述基础状态校正曲线同时刻确定的数值作差,得到所述第二力度信号;
能量确定单元,用于计算所述第二力度信号的中位频率和平均功率频率,根据疲劳校正曲线确定与所述中位频率和所述平均功率频率同时对应的第三肌电能量;
系数确定单元,用于从所述疲劳校正曲线获取用户在非疲劳状态下的第二肌电能量,将所述第三肌电能量与所述第二肌电能量的比值作为去疲劳系数;
信号得到单元,用于将所述第二力度信号除以所述去疲劳系数,得到所述第一力度信号;
其中,所述疲劳校正曲线表明所述表面肌电信号的中位频率和平均功率频率与肌电能量的关系,通过采集所述用户期望控制的肌肉群在用户不同疲劳状态下的表面肌电信号的中位频率和平均功率频率以及相应的肌电能量的获得。
12.根据权利要求9或11所述的人机交互设备,其特征在于,所述获得低通滤波所得信号的包络的实现方式为:将低通滤波所得信号的幅度随着时间变化的曲线作为所述包络。
13.根据权利要求8至12任一项所述的人机交互设备,其特征在于,所述人机交互设备还包括:
显式反馈单元,用于显式反馈用户根据所述第一力度信号确定的力度,以期望用户持续大于或等于所述预设时间向所述肌肉群施加所述预设力度范围的力。
14.根据权利要求8至13任一项所述的人机交互设备,其特征在于,所述人机交互设备还包括:
平均绝对值计算单元,用于将采集得到的所述第二表面肌电信号按时间进行分段,计算每个段包括的每个数据的绝对值的平均值,得到所述第一表面肌电信号。
15.一种人机交互设备,其特征在于,所述人机交互设备包括处理器、存储器和通信接口,所述处理器分别与所述存储器和所述通信接口通过所述总线连接;
所述存储器用于存储计算机执行指令,所述通信接口用于接收从用户期望控制的肌肉群采集的第二表面肌电信号,当所述人机交互设备运行时,所述处理器读取所述存储器存储的所述计算机执行指令,以执行权利要求1至7任一项所述的人机交互方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510130483.1A CN104714645B (zh) | 2015-03-24 | 2015-03-24 | 人机交互方法和人机交互设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510130483.1A CN104714645B (zh) | 2015-03-24 | 2015-03-24 | 人机交互方法和人机交互设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104714645A true CN104714645A (zh) | 2015-06-17 |
CN104714645B CN104714645B (zh) | 2018-07-20 |
Family
ID=53414055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510130483.1A Active CN104714645B (zh) | 2015-03-24 | 2015-03-24 | 人机交互方法和人机交互设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104714645B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105147251A (zh) * | 2015-08-19 | 2015-12-16 | 宁波工程学院 | 基于多通道sEMG的肌肉疲劳动态预测方法 |
WO2017036147A1 (zh) * | 2015-08-28 | 2017-03-09 | 华为技术有限公司 | 一种基于生物电的控制方法、装置及控制器 |
CN109222968A (zh) * | 2017-07-10 | 2019-01-18 | 丰田自动车株式会社 | 康复评估设备、康复评估方法以及康复评估程序 |
CN112596481A (zh) * | 2020-12-09 | 2021-04-02 | 蒲惠智造科技有限公司 | 一种支持即插交互式节点的mes管理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1818831A (zh) * | 2006-03-16 | 2006-08-16 | 上海科生假肢有限公司 | 利用人体肌电信号操纵电子设备/交通工具的装置及方法 |
CN101930285A (zh) * | 2009-11-23 | 2010-12-29 | 上海交通大学 | 基于表面肌电信号的手写识别方法 |
CN102228399A (zh) * | 2011-06-17 | 2011-11-02 | 东南大学 | 基于模糊控制器的肌电假手握力控制方法 |
CN102349037A (zh) * | 2009-03-13 | 2012-02-08 | 微软公司 | 用于人机接口的基于肌电图的可佩戴控制器 |
CN102662573A (zh) * | 2012-03-24 | 2012-09-12 | 上海量明科技发展有限公司 | 通过触压获得选择项的方法及终端 |
US20140364784A1 (en) * | 2013-06-05 | 2014-12-11 | Elwha Llc | Time-based control of active toso support |
-
2015
- 2015-03-24 CN CN201510130483.1A patent/CN104714645B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1818831A (zh) * | 2006-03-16 | 2006-08-16 | 上海科生假肢有限公司 | 利用人体肌电信号操纵电子设备/交通工具的装置及方法 |
CN102349037A (zh) * | 2009-03-13 | 2012-02-08 | 微软公司 | 用于人机接口的基于肌电图的可佩戴控制器 |
CN101930285A (zh) * | 2009-11-23 | 2010-12-29 | 上海交通大学 | 基于表面肌电信号的手写识别方法 |
CN102228399A (zh) * | 2011-06-17 | 2011-11-02 | 东南大学 | 基于模糊控制器的肌电假手握力控制方法 |
CN102662573A (zh) * | 2012-03-24 | 2012-09-12 | 上海量明科技发展有限公司 | 通过触压获得选择项的方法及终端 |
US20140364784A1 (en) * | 2013-06-05 | 2014-12-11 | Elwha Llc | Time-based control of active toso support |
Non-Patent Citations (1)
Title |
---|
刘杨等: "《生物医学检测技术》", 30 September 2014, 同济大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105147251A (zh) * | 2015-08-19 | 2015-12-16 | 宁波工程学院 | 基于多通道sEMG的肌肉疲劳动态预测方法 |
CN105147251B (zh) * | 2015-08-19 | 2017-12-22 | 宁波工程学院 | 基于多通道sEMG的肌肉疲劳动态预测方法 |
WO2017036147A1 (zh) * | 2015-08-28 | 2017-03-09 | 华为技术有限公司 | 一种基于生物电的控制方法、装置及控制器 |
US10901507B2 (en) | 2015-08-28 | 2021-01-26 | Huawei Technologies Co., Ltd. | Bioelectricity-based control method and apparatus, and bioelectricity-based controller |
CN109222968A (zh) * | 2017-07-10 | 2019-01-18 | 丰田自动车株式会社 | 康复评估设备、康复评估方法以及康复评估程序 |
CN112596481A (zh) * | 2020-12-09 | 2021-04-02 | 蒲惠智造科技有限公司 | 一种支持即插交互式节点的mes管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104714645B (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101201696B (zh) | 基于p300脑电电位的中文输入bci系统 | |
CN104714645A (zh) | 人机交互方法和人机交互设备 | |
CN109656365B (zh) | 一种基于实时闭环振动刺激增强的脑机接口方法及系统 | |
Müller et al. | Using a SSVEP-BCI to command a robotic wheelchair | |
Trejo et al. | Multimodal neuroelectric interface development | |
CN112990074B (zh) | 基于vr的多场景自主式控制的混合脑机接口在线系统 | |
CN105708587B (zh) | 一种运动想象模式脑机接口触发的下肢外骨骼训练方法及系统 | |
CN105962935B (zh) | 用于运动学习功能改善的脑电神经反馈训练系统及其方法 | |
CN110824979B (zh) | 一种无人设备控制系统和方法 | |
CN107037889B (zh) | 一种基于视觉脑机接口的自然书写字符输入方法及系统 | |
US10694299B2 (en) | Ear-worn electronic device incorporating motor brain-computer interface | |
CN107092353B (zh) | 一种手部触感参数的采集及模拟还原系统和方法 | |
Chen et al. | A P300 based online brain-computer interface system for virtual hand control | |
Baek et al. | Brain–computer interfaces using capacitive measurement of visual or auditory steady-state responses | |
Guo et al. | Towards zero training for myoelectric control based on a wearable wireless sEMG armband | |
Cannan et al. | A wearable sensor fusion armband for simple motion control and selection for disabled and non-disabled users | |
CN110688013A (zh) | 一种基于ssvep的英文键盘拼写系统及拼写方法 | |
Olsen et al. | An artificial intelligence that increases simulated brain–computer interface performance | |
Nakanishi et al. | Wheelchair control system by using electrooculogram signal processing | |
KR101685523B1 (ko) | 사용자의 신체적 특징과 뇌파 집중 지수를 이용한 가상 모니터 개념의 인터페이스 방법 및 그 시스템 | |
Guger et al. | Hardware/software components and applications of BCIs | |
CN107329582B (zh) | 一种基于eog的快速字符输入方法 | |
Bansal et al. | Real time acquisition and analysis of neural response for rehabilitative control | |
Dobosz et al. | Touchless virtual keyboard controlled by eye blinking and eeg signals | |
Ban et al. | A hybrid brain-computer interface for smart car control |
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 | ||
GR01 | Patent grant |