CN107126302A - 上下肢运动仿真处理方法 - Google Patents
上下肢运动仿真处理方法 Download PDFInfo
- Publication number
- CN107126302A CN107126302A CN201710082333.7A CN201710082333A CN107126302A CN 107126302 A CN107126302 A CN 107126302A CN 201710082333 A CN201710082333 A CN 201710082333A CN 107126302 A CN107126302 A CN 107126302A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mfrac
- signal
- muscle
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/50—Prostheses not implantable in the body
- A61F2/68—Operating or control means
- A61F2/70—Operating or control means electrical
- A61F2/72—Bioelectric control, e.g. myoelectric
Landscapes
- Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Transplantation (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Vascular Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种上下肢运动仿真处理方法，通过Micro USB接口连接表面电极采集人体表面肌电信号，对表面肌肉信号进行采集，去噪，滤波，谱分析，归一化等系列算法，利用神经网络等模式识别算法，生成有效运动控制信号，通过蓝牙设备输入到上下肢运动装置控制器，达到利用人体自身表面肌肉信号控制可穿戴假手/臂/脚/腿的目的。
Description
技术领域
本发明一种新型仿生假肢运动领域，尤其是一种能够上下肢运动仿真处理方法。
背景技术
假肢作为截肢者的必需品，在全球众多肢体残疾的患者中，仅有少数人能负担得起佩戴假肢。现在市场上的假肢大部分是装饰性假肢，外观设计跟真实手臂一样，但没有任何功能；部分假肢开始尝试通过生物电流信号来控制其运动，商业化后价格昂贵，且手势单一，一般家庭难以承受。
在高端截肢设备中，还没有利用手机作为算法运算器去控制上下肢运动的装置，仅仅是基于单片机等芯片开发的控制系统，其芯片运算能力有限，对肌电信号的分析精度低、实时性很差，且不具有通用性，发开成本高，从而导致运动假肢价格昂贵，不适用广泛的市场推广。
除此之外，通过肌电或者脑电控制的仿生手/臂/脚/腿，存在着成本高，算法不稳定，运算时间长。目前市场上的通过肌电的解决方案，一般直接对单一肌肉表面信号进行信号幅度采集，用于作为肌肉触发指定运动的指令。现存的方法会受到周围电磁信号，本身人体运动低频信号，电机带入噪声，其他肌肉族群信号，深部肌肉信号及白噪声的影响。导致运动指令不明确和主观意识运动不可按质按量的完成。目前实验室的解决方案，为了避免上述的信号干扰，使得信号更加完整和精确，大量的运行后台算法，例如小波分析，而这样大量的运算对处理器的速度和能力要求很高，配置在现有的可穿戴假手/臂/脚/腿中虽然单一信号处理精度提高了，但成本大大提高，运算稳定性反而降低，仅适用于实验室科研，不适用广泛的市场推广。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种能够上下肢运动仿真处理方法。
技术方案：为解决上述技术问题，本发明提供的一种上下肢运动仿真处理方法，所述方法包括以下步骤：
步骤1)选取完成特定动作的相关肌肉或肌肉群；
步骤2)利用表面电极提取表面肌肉信号，信号的采样频率需要大于1000Hz，消除采样中NaN信号值；
步骤3)：对信号做初步处理，消除采样中空的信号值，在对信号进行滤波，消除白噪声、环境电磁信号、自身肢体运动产生的低频信号；
步骤4)：频域谱分析，滤波，转换回时域一维信号，正常肌肉电信号范围8-500Hz；
步骤5)：拟合单一肌肉在指定运动动作中收缩强度变化曲线，肌肉反应时间，收缩时间，衰减时间；
步骤6)：两组或者多组肌肉在同一指定动作中的以上4个参数的相关性分析和曲线拟；
步骤7)：仿真建模对指定动作的各个肌肉群的肌电信号及相关时间和强度关系；
步骤8)：存储和发送信号给外接控制器；
步骤9)：假手/臂/脚/腿完成肌肉输出信号的指定动作。
进一步地，所述运动模式包括握拳、展开、表扬、OK、V型手势。
所述步骤3)中具体步骤为：过表面电极在皮肤表面提取的肌肉信号内参杂着大量的外界环境和自身运动产生的低频信号，对提取的表面肌肉电信号进行频谱分析，将时域一维数字信号转换到其频域，从而获得各个信号源产生的信号的频谱信息，在频谱0Hz-500Hz的频域信号里，通过低通和带通滤波器，消除环境噪声(50Hz信号)，运动低频信号(小于2Hz信号)，深层肌肉产生的干扰信号，使得最终用于仿真输出的信号频谱落于8Hz-500Hz之间，并将其转换回时域信号空间。
进一步地，所述步骤6)中，每一个指定动作的完成都是通过一组或者多组肌肉群共同作用完成的，在完成特定的指定动作中，肌肉群的每个肌肉的开始反应时间，收缩时间，和衰减时间有着特定的变化和表征，通过提取这些相关的参数，反应时间，收缩时间和衰减时间，并通过曲线拟合及信号相关性算法，获得肌肉信号的相关性和拟合曲线，为下一步的仿真建模提供输入参数。
进一步地，所述步骤7)仿真建模流程如下：
肌肉表面电信号由多个肌肉运动单元组产生的电脉冲组成，运动单元组产生的电脉冲由每个单元组中的无数单一肌肉纤维电脉冲组成，其中，
7.1)运动单元组产生的电脉冲Vmui，
其中，Vmui可以由公式2推导得出；i＝1～n，Vmuti是各个单一运动单元组产生的电脉冲数，fri是运动单元释放率，并且遵循泊松分布；
7.2)单一运动单元组产生的电脉冲Vmu，
其中，是基于一个给定运动单元中的单一肌肉纤维电脉冲；Nf是肌肉纤维数；
7.3)每一个运动单元组的肌肉收缩时间，
其中，n＝1，2，...，Nmu；Nmu是基于给定肌肉包含的运动单元的数量；fr是运动单元释放率中值，默认值为fr＝85ms；
7.4)单一肌肉纤维电脉冲V(x，y，z)，
其中，肌肉纤维细胞间电脉冲ei(z)；
7.5)肌肉纤维细胞间电脉冲ei(z)，
ei(z)＝96z3e-z-90 (5)
其中ei(z)是肌肉纤维细胞间电脉冲；z是轴向方向距离，单位毫米；s是纤维截面；σi是细胞间传导率；σm是肌肉传导率；r是纤维截面到观察点的距离；
7.6)肌肉传导率σm，肌肉轴向传导率σz和肌肉径向传导率σy
7.7)根据格林定律，单一肌肉纤维电脉冲可以推导如公式(7)，
其中，s1，s2是肌肉纤维两端的截面，S是肌肉纤维截面；
其中，d是纤维直径，H1没有含义，只是公式的简化，提取出来的系数。
有益效果：本发明相对于现有技术而言具有以下优点：
本发明提供上下肢运动仿真处理方法，表面肌肉电信号提取和采集的精度提高了；环境信号，外周干扰信号，其它非参与肌肉信号被干净排除；结合相对肌肉组信号对运动行为的发出明确的强度和时间的指令；用肌电信号直接控制，识别率高，实时性好，反应灵敏，成本低，方便实用。
附图说明
图1是本发明特定动作的相关肌肉或肌肉群选取示意图。
图2是表面肌肉电信号原始采集信号示意图。
图3是经过处理的表面肌肉信号示意图。
图4是经过处理的表面肌肉信号谱分析示意图。
图5是对指定动作肌信号收缩时间，单一肌肉反应时间及两侧肌肉强度基于手掌屈伸变化的变化曲线。
图6是对指定动作肌信号收缩时间，反应时间及两侧肌肉强度基于手掌屈伸变化的变化曲线。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示，一种上下肢运动仿真处理方法，所述方法包括以下步骤：
步骤1)选取完成特定动作的相关肌肉或肌肉群；如图1所示，完成手掌屈伸的动作，对于安装假手并只有小部分残留上臂的使用者，腕部的肌肉群不可以选择，小臂尺侧腕伸肌和桡侧腕屈肌作为完成指定动作的肌肉群。
步骤2)利用表面电极提取表面肌肉信号，信号的采样频率需要大于1000Hz，消除采样中NaN信号值；如图2所示，是原始信号曲线，此步骤只是去除了采样信号中的无效信号，此信号是提取自两组不同肌肉群的原始的肌肉信号，基于表面肌肉信号的频率一般在8Hz-500Hz之间，这里采用大于1000Hz的采样频率，对模拟信号进行采样，并消除NaN无效信号，生成如图2所示的原始数字肌肉信号。
步骤3)：对信号做初步处理，消除采样中空的信号值，在对信号进行滤波，消除白噪声、环境电磁信号、自身肢体运动产生的低频信号；过表面电极在皮肤表面提取的肌肉信号内参杂着大量的外界环境和自身运动产生的低频信号，对提取的表面肌肉电信号进行频谱分析，将时域一维数字信号转换到其频域，从而获得各个信号源产生的信号的频谱信息，在频谱0Hz-500Hz的频域信号里，通过低通和带通滤波器，消除环境噪声(50Hz信号)，运动低频信号(小于2Hz信号)，深层肌肉产生的干扰信号，使得最终用于仿真输出的信号频谱落于8Hz-500Hz之间，并将其转换回时域信号空间。
步骤4)：频域谱分析，滤波，转换回时域一维信号，正常肌肉电信号范围8-500Hz；如图4所示，经过处理的表面肌肉信号谱分析(双通道/双肌肉群)即通过功率谱密度(powerspectral density，PSD)来分析信号的能量随着频率的分布情况。
图4展示的是完成手掌伸展和握和这一指定动作的两组肌肉群产生的表面肌肉信号的频谱信息，这里通过采用低通和带通滤波器消除了肢体自身运动产生的低频信号和外界电磁噪声的50Hz信号，可以通过图4的频域能谱看到，这两组肌肉群的表面肌肉信号运动频率主要集中在8Hz-100Hz之间。并且可以清楚的看到肌肉群2的高频信号明显高于肌肉群1的高频信号，从侧面说明肌肉群2对控制肌肉的姿势起到主要贡献，肌肉群1对运动开始和肌肉强度起到主要贡献。
步骤5)：拟合单一肌肉在指定运动动作中收缩强度变化曲线，肌肉反应时间，收缩时间，衰减时间；如图3和5所示，图3表示，在完成手掌伸展和握和这一指定动作时两组肌肉群产生的表面肌肉信号，经过频域分析，滤波，除噪等一系列信号处理算法后，转换回时域空间的信号表征。这里可以看到肌肉的反应时间，收缩时间，收缩强度，和衰减时间，并且可以看到在同一时间点两组不同的肌肉群肌肉作业时间和强度的区分。图5表示，对两组肌肉信号运动的表征参数进行分析，这里反应时间，收缩时间，收缩强度，和衰减时间都在同一个时间轴进行标注。
步骤6)：两组或者多组肌肉在同一指定动作中的以上4个参数的相关性分析和曲线拟；如图6所示；图6表示两组肌肉信号运动的表征参数的相关性，对两组肌肉群完成同一指定动作的反应时间，收缩时间，收缩强度，和衰减时间进行相关性分析及曲线拟合，肌肉运动的起始和衰减的时间偏差，强度和峰值偏差进行相关性运算，从而进行仿真建模，提供输出信号。每一个指定动作的完成都是通过一组或者多组肌肉群共同作用完成的，在完成特定的指定动作中，肌肉群的每个肌肉的开始反应时间，收缩时间，和衰减时间有着特定的变化和表征，通过提取这些相关的参数，反应时间，收缩时间和衰减时间，并通过曲线拟合及信号相关性算法，获得肌肉信号的相关性和拟合曲线，为下一步的仿真建模提供输入参数。
步骤7)：仿真建模对指定动作的各个肌肉群的肌电信号及相关时间和强度关系；如图6所示。仿真建模流程如下：
肌肉表面电信号由多个肌肉运动单元组产生的电脉冲组成，运动单元组产生的电脉冲由每个单元组中的无数单一肌肉纤维电脉冲组成，其中，
7.1)运动单元组产生的电脉冲Vmui，
其中，Vmui可以由公式2推导得出；fri是运动单元释放率，并且遵循泊松分布
7.2)单一运动单元组产生的电脉冲Vmu，
其中，是基于一个给定运动单元中的单一肌肉纤维电脉冲；Nf是肌肉纤维数；
7.3)每一个运动单元组的肌肉收缩时间，
其中，n＝1，2，...，Nmu；Nmu是基于给定肌肉包含的运动单元的数量；fr是运动单元释放率中值，默认值为fr＝85ms；
7.4)单一肌肉纤维电脉冲V(x，y，z)，
其中，肌肉纤维细胞间电脉冲ei(z)；
7.5)肌肉纤维细胞间电脉冲ei(z)，
ei(z)＝96z3e-z-90 (5)
其中ei(z)是肌肉纤维细胞间电脉冲；z是轴向方向距离，单位毫米；s是纤维截面；σi是细胞间传导率；σm是肌肉传导率；r是纤维截面到观察点的距离；
7.6)肌肉传导率σm，肌肉轴向传导率σz和肌肉径向传导率σy
7.7)根据格林定律，单一肌肉纤维电脉冲可以推导如公式(7)，
其中，s1，s2是肌肉纤维两端的截面，S是肌肉纤维截面；
其中，d是纤维直径。
步骤8)：存储和发送信号给外接控制器；
步骤9)：假手/臂/脚/腿完成肌肉输出信号的指定动作。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种上下肢运动仿真处理方法，其特征在于：所述方法包括以下步骤：
步骤1)选取完成特定动作的相关肌肉或肌肉群；
步骤2)利用表面电极提取表面肌肉信号，信号的采样频率需要大于1000Hz，消除采样中NaN信号值；
步骤3)：对信号做初步处理，消除采样中空的信号值，在对信号进行滤波，消除白噪声、环境电磁信号、自身肢体运动产生的低频信号；
步骤4)：频域谱分析，滤波，转换回时域一维信号，正常肌肉电信号范围8—500Hz；
步骤5)：拟合单一肌肉在指定运动动作中收缩强度变化曲线，肌肉反应时间，收缩时间，衰减时间；
步骤6)：两组或者多组肌肉在同一指定动作中的以上4个参数的相关性分析和曲线拟；
步骤7)：仿真建模对指定动作的各个肌肉群的肌电信号及相关时间和强度关系；
步骤8)：存储和发送信号给外接控制器；
步骤9)：假手/臂/脚/腿完成肌肉输出信号的指定动作。
2.一种根据权利要求1所述的上下肢运动仿真处理方法，其特征在于：所述步骤3)中具体步骤为：过表面电极在皮肤表面提取的肌肉信号内参杂着大量的外界环境和自身运动产生的低频信号，对提取的表面肌肉电信号进行频谱分析，将时域一维数字信号转换到其频域，从而获得各个信号源产生的信号的频谱信息，在频谱0Hz-500Hz的频域信号里，通过低通和带通滤波器，消除环境噪声(50Hz信号)，运动低频信号(小于2Hz信号)，深层肌肉产生的干扰信号，使得最终用于仿真输出的信号频谱落于8Hz-500Hz之间，并将其转换回时域信号空间。
3.一种根据权利要求1所述的上下肢运动仿真处理方法，其特征在于：所述步骤6)中，每一个指定动作的完成都是通过一组或者多组肌肉群共同作用完成的，在完成特定的指定动作中，肌肉群的每个肌肉的开始反应时间，收缩时间，和衰减时间有着特定的变化和表征，通过提取这些相关的参数，反应时间，收缩时间和衰减时间，并通过曲线拟合及信号相关性算法，获得肌肉信号的相关性和拟合曲线，为下一步的仿真建模提供输入参数。
4.一种根据权利要求1所述的上下肢运动仿真处理方法，其特征在于：所述步骤7)仿真建模流程如下：
肌肉表面电信号由多个肌肉运动单元组产生的电脉冲组成，运动单元组产生的电脉冲由每个单元组中的无数单一肌肉纤维电脉冲组成，其中，
7.1)运动单元组产生的电脉冲Vmui，
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mi>t</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mi>t</mi>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>i</mi>
<mi>min</mi>
<mi>g</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>fr</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mi>t</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>i</mi>
<mi>min</mi>
<mi>g</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>fr</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mi>t</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>i</mi>
<mi>min</mi>
<mi>g</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>fr</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mi>t</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>i</mi>
<mi>min</mi>
<mi>g</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>fr</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Vmui可以由公式2推导得出；fri是运动单元释放率，并且遵循泊松分布
7.2)单一运动单元组产生的电脉冲Vmu，
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>f</mi>
</msub>
</munderover>
<msub>
<mi>V</mi>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，是基于一个给定运动单元中的单一肌肉纤维电脉冲；Nf是肌肉纤维数；
7.3)每一个运动单元组的肌肉收缩时间，
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>i</mi>
<mi>min</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>n</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>&Delta;t</mi>
<mrow>
<mi>int</mi>
<mi>e</mi>
<mi>r</mi>
<mi>v</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>n</mi>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mi>f</mi>
<mi>r</mi>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>m</mi>
<mi>u</mi>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，n＝1，2，...，Nmu；Nmu是基于给定肌肉包含的运动单元的数量；fr是运动单元释放率中值，默认值为fr＝85ms；
7.4)单一肌肉纤维电脉冲V(x，y，z)，
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<mrow>
<mn>4</mn>
<msub>
<mi>&pi;&sigma;</mi>
<mi>m</mi>
</msub>
</mrow>
</mfrac>
<msub>
<mo>&Integral;</mo>
<mi>s</mi>
</msub>
<mi>d</mi>
<mi>s</mi>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</msubsup>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>z</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>z</mi>
</mrow>
</mfrac>
<mi>d</mi>
<mi>z</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，肌肉纤维细胞间电脉冲ei(z)；
7.5)肌肉纤维细胞间电脉冲ei(z)，
ei(z)＝96z3e-z-90 (5)
其中ei(z)是肌肉纤维细胞间电脉冲；z是轴向方向距离，单位毫米；s是纤维截面；σi是细胞间传导率；σm是肌肉传导率；r是纤维截面到观察点的距离；
7.6)肌肉传导率σm，肌肉轴向传导率σz和肌肉径向传导率σy
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>y</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&sigma;</mi>
<mi>z</mi>
</msub>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
2
7.7)根据格林定律，单一肌肉纤维电脉冲可以推导如公式(7)，
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<mrow>
<mn>4</mn>
<msub>
<mi>&pi;&sigma;</mi>
<mi>m</mi>
</msub>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msub>
<mo>&Integral;</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
</msub>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>z</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>&CenterDot;</mo>
<mi>d</mi>
<mi>s</mi>
<mo>+</mo>
<msub>
<mo>&Integral;</mo>
<mi>s</mi>
</msub>
<mi>d</mi>
<mi>s</mi>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</msubsup>
<mfrac>
<mrow>
<msup>
<mo>&part;</mo>
<mn>2</mn>
</msup>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mo>&part;</mo>
<mn>2</mn>
</msup>
<mi>z</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>&CenterDot;</mo>
<mi>d</mi>
<mi>z</mi>
<mo>-</mo>
<msub>
<mo>&Integral;</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
</msub>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>z</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>&CenterDot;</mo>
<mi>d</mi>
<mi>s</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>z</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>|</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mrow>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</msubsup>
<mfrac>
<mrow>
<msup>
<mo>&part;</mo>
<mn>2</mn>
</msup>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<msup>
<mi>z</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>&CenterDot;</mo>
<mi>d</mi>
<mi>z</mi>
<mo>-</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>z</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>|</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，s1，s2是肌肉纤维两端的截面，S是肌肉纤维截面；
<mrow>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<mrow>
<mi>4</mi>
<msub>
<mi>&pi;&sigma;</mi>
<mi>m</mi>
</msub>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msup>
<mi>&pi;d</mi>
<mn>2</mn>
</msup>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
</mrow>
<mn>4</mn>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，d是纤维直径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710082333.7A CN107126302B (zh) | 2017-02-15 | 2017-02-15 | 上下肢运动仿真处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710082333.7A CN107126302B (zh) | 2017-02-15 | 2017-02-15 | 上下肢运动仿真处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107126302A true CN107126302A (zh) | 2017-09-05 |
| CN107126302B CN107126302B (zh) | 2020-05-22 |
Family
ID=59720920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710082333.7A Active CN107126302B (zh) | 2017-02-15 | 2017-02-15 | 上下肢运动仿真处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107126302B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108815705A (zh) * | 2018-04-25 | 2018-11-16 | 刘海平 | 一种松筋通络仪的控制方法 |
| WO2020118797A1 (zh) * | 2018-12-13 | 2020-06-18 | 深圳先进技术研究院 | 假肢控制方法、装置、系统、设备和存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002053012A2 (en) * | 2001-01-04 | 2002-07-11 | Indian Institute Of Technology | A CLINICAL ELECTRODIAGNOSTIC DIGITAL INSTRUMENT FOR ELECTROMYOGRAPHY (emg) AND/OR NERVE CONDUCTION MEASUREMENT |
| WO2011091399A2 (en) * | 2010-01-25 | 2011-07-28 | The Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations | Systems and methods for providing a neural-machine interface for artificial legs |
| CN103622710A (zh) * | 2013-11-15 | 2014-03-12 | 北京君仪凯医疗科技有限公司 | 一种阴道收缩康复治疗设备 |
| CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及系统 |
| WO2015006235A1 (en) * | 2013-07-12 | 2015-01-15 | The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of The University Of Oregon | Powered prosthetic devices using emg-based locomotion state classifier |
| CN104537382A (zh) * | 2015-01-12 | 2015-04-22 | 杭州电子科技大学 | 基于遗传算法优化支持向量机的肌电信号步态识别方法 |
| CN105342610A (zh) * | 2015-12-10 | 2016-02-24 | 宁波工程学院 | 肌肉运动单元深度估计快速方法 |
| CN106061369A (zh) * | 2013-11-04 | 2016-10-26 | 帝国创新技术有限公司 | 生物力学活动监测 |
| WO2016172057A1 (en) * | 2015-04-20 | 2016-10-27 | Össur Iceland Ehf | Electromyography with prosthetic or orthotic devices |
| CN106236336A (zh) * | 2016-08-15 | 2016-12-21 | 中国科学院重庆绿色智能技术研究院 | 一种肌电假肢手势及力度控制方法 |
-
2017
- 2017-02-15 CN CN201710082333.7A patent/CN107126302B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002053012A2 (en) * | 2001-01-04 | 2002-07-11 | Indian Institute Of Technology | A CLINICAL ELECTRODIAGNOSTIC DIGITAL INSTRUMENT FOR ELECTROMYOGRAPHY (emg) AND/OR NERVE CONDUCTION MEASUREMENT |
| WO2011091399A2 (en) * | 2010-01-25 | 2011-07-28 | The Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations | Systems and methods for providing a neural-machine interface for artificial legs |
| WO2015006235A1 (en) * | 2013-07-12 | 2015-01-15 | The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of The University Of Oregon | Powered prosthetic devices using emg-based locomotion state classifier |
| CN106061369A (zh) * | 2013-11-04 | 2016-10-26 | 帝国创新技术有限公司 | 生物力学活动监测 |
| CN103622710A (zh) * | 2013-11-15 | 2014-03-12 | 北京君仪凯医疗科技有限公司 | 一种阴道收缩康复治疗设备 |
| CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及系统 |
| CN104537382A (zh) * | 2015-01-12 | 2015-04-22 | 杭州电子科技大学 | 基于遗传算法优化支持向量机的肌电信号步态识别方法 |
| WO2016172057A1 (en) * | 2015-04-20 | 2016-10-27 | Össur Iceland Ehf | Electromyography with prosthetic or orthotic devices |
| CN105342610A (zh) * | 2015-12-10 | 2016-02-24 | 宁波工程学院 | 肌肉运动单元深度估计快速方法 |
| CN106236336A (zh) * | 2016-08-15 | 2016-12-21 | 中国科学院重庆绿色智能技术研究院 | 一种肌电假肢手势及力度控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108815705A (zh) * | 2018-04-25 | 2018-11-16 | 刘海平 | 一种松筋通络仪的控制方法 |
| WO2020118797A1 (zh) * | 2018-12-13 | 2020-06-18 | 深圳先进技术研究院 | 假肢控制方法、装置、系统、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107126302B (zh) | 2020-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104107134B (zh) | 基于肌电反馈的上肢训练方法及系统 | |
| CN107928980B (zh) | 一种偏瘫患者的手部自主康复训练系统及训练方法 | |
| CN102426651B (zh) | 人体前臂表面肌电信号采集及模式识别系统 | |
| CN101987048B (zh) | 假肢控制方法和系统 | |
| CN108743223B (zh) | 一种基于健侧生物电控的智能外骨骼康复机械手及方法 | |
| CN102499797B (zh) | 假肢控制方法及系统 | |
| CN202288542U (zh) | 假肢控制装置 | |
| CN107126303A (zh) | 一种基于手机app的上下肢运动辅助方法 | |
| Chen et al. | Exploring the relation between EMG sampling frequency and hand motion recognition accuracy | |
| CN106923942B (zh) | 基于人体肌电信号控制的上下肢运动辅助系统 | |
| CN111584031B (zh) | 基于便携式脑电采集设备的脑控智能肢体康复系统及应用 | |
| CN108563324B (zh) | 一种面向过程控制的运动想象脑-机接口设计方法 | |
| 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 | |
| Zhu et al. | SeNic: An open source dataset for sEMG-based gesture recognition in non-ideal conditions | |
| Wang et al. | A portable artificial robotic hand controlled by EMG signal using ANN classifier | |
| CN107822629A (zh) | 四肢表面肌电轴的检测方法 | |
| CN107808166A (zh) | 一种memd张量线性拉普拉斯判别的肌电特征提取方法 | |
| Cho et al. | A novel approach to classify natural grasp actions by estimating muscle activity patterns from EEG signals | |
| Ai et al. | Advanced rehabilitative technology: neural interfaces and devices | |
| Bai et al. | Multi-channel sEMG signal gesture recognition based on improved CNN-LSTM hybrid models | |
| CN107126302A (zh) | 上下肢运动仿真处理方法 | |
| Li et al. | Preliminary study of online real-time control system for lower extremity exoskeletons based on EEG and sEMG fusion | |
| CN111360792A (zh) | 面向仿生机械手的可穿戴便携式实时控制动作识别系统 | |
| Koyas et al. | Detection of intention level in response to task difficulty from EEG signals | |
| CN215017698U (zh) | 康复训练运动模拟可视化系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |