CN107861628A - 一种基于人体表面肌电信号的手部姿态识别系统 - Google Patents

一种基于人体表面肌电信号的手部姿态识别系统 Download PDF

Info

Publication number
CN107861628A
CN107861628A CN201711373003.XA CN201711373003A CN107861628A CN 107861628 A CN107861628 A CN 107861628A CN 201711373003 A CN201711373003 A CN 201711373003A CN 107861628 A CN107861628 A CN 107861628A
Authority
CN
China
Prior art keywords
unit
signal
human body
acquisition circuit
value
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.)
Pending
Application number
CN201711373003.XA
Other languages
English (en)
Inventor
范雪莉
于海龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuchang University
Original Assignee
Xuchang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xuchang University filed Critical Xuchang University
Priority to CN201711373003.XA priority Critical patent/CN107861628A/zh
Publication of CN107861628A publication Critical patent/CN107861628A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于人体表面肌电信号的手部姿态识别系统，包括数据采集模块、数据处理模块、显示模块；数据采集模块由模拟信号采集电路供电单元、模拟信号采集电路单元、传感器单元、数字信号采集电路供电单元、数字信号采集单元组成，主要完成表面肌电信号的采集工作；数据处理模块由滤波单元、起止点判断单元、特征提取单元、模式识别单元组成，主要完成数据处理工作；显示模块由画面单元、语音单元组成，主要完成动作识别结果的显示工作；本发明结构设计合理，节约成本，采用多通道进行人体手臂肌肉的肌电信号采集，并且能够快速、准确识别手部动作，对利用表面肌电信号进行机电控制具有很大的促进作用。

Description

一种基于人体表面肌电信号的手部姿态识别系统
技术领域
本发明涉及一种基于人体表面肌电信号的手部姿态识别系统。
背景技术
将人体表面肌电信号作为控制信号源，是近几年新兴的一种控制方式。可用于控制各种外骨骼机器人，也可用于控制其他设备，具有广泛的应用前景。尤其在康复领域，可用于控制假肢。例如，病人的手部功能缺失，但是小臂的肌肉可正常工作。由于人手的各种动作是由小臂肌肉控制的，则可为该病人装一只机械假手，将小臂肌肉信号采集并处理，作为控制信号源来控制机械假手。此外，如果病人只有一侧的手臂运动功能缺失，可以在本侧佩戴外骨骼康复设备，而在运动功能完好的一侧采集表面肌电信号，使得两侧做同样的动作，进行镜像运动，有助于患者进行自我康复。
经过对现有技术的检索发现，中国发明专利公布号：CN105326500A，公布日期：2016年2月17日，名称：基于表面肌电信号的动作识别方法和设备。该发明公开了一种基于表面肌电信号的动作识别方法和设备，可通过获得多个通道的表面肌电信号，根据多个通道的表面肌电信号确定有效表面肌电信号。然后,确定有效表面肌电信号的频率,根据有效表面肌电信号的频率确定多个通道的表面肌电信号对应的肢体动作。该实施例的方法能显著提高基于表面肌电信号的动作识别的准确率，而且能够增加肢体动作的识别种类。但是该方法利用的信号特征有限，包含的动作信息有限，如此进行模式识别，会影响动作识别的准确率。因此，现有技术存在缺陷，需要改进。
发明内容
本发明的目的在于克服现有技术的不足，在生物信号采集与处理领域，提供一种基于人体表面肌电信号的手部姿态识别系统与方法，能够在很大程度保证识别的准确率，节约成本，简化系统。
为实现上述目的，本发明所采用了下述的技术方案：一种基于人体表面肌电信号的手部姿态识别系统，包括数据采集模块、数据处理模块、显示模块；
所述数据采集模块由模拟信号采集电路供电单元、模拟信号采集电路单元、传感器单元、数字信号采集电路供电单元、数字信号采集单元组成，主要完成表面肌电信号的采集工作；
所述数据处理模块由滤波单元、起止点判断单元、特征提取单元、模式识别单元组成，主要完成数据处理工作；
所述显示模块由画面单元、语音单元组成，主要完成动作识别结果的显示工作；
所述模拟信号采集电路供电单元与模拟信号采集电路单元相连，模拟信号采集电路供电单元为模拟信号采集电路单元提供5伏电压；
所述传感器单元与模拟信号采集电路单元相连，传感器单元为模拟信号采集电路单元提供采集到的人体表面肌电信号，模拟信号采集电路单元将信号进行放大和滤波处理；
所述数字信号采集电路供电单元与数字信号采集单元相连，数字信号采集电路供电单元为数字信号采集单元提供5伏电压；
所述模拟信号采集电路单元与数字信号采集单元相连，模拟信号采集电路单元为数字信号采集单元提供处理后的人体表面肌电信号，数字信号采集单元将该信号进行A/D转换；
所述数字信号采集单元与滤波单元相连，数字信号采集单元将A/D转换的信号输送给滤波单元；
所述滤波单元与起止点判断单元相连，滤波单元为起止点判断单元提供滤波后的人体表面肌电信号；
所述起止点判断单元与特征提取单元相连，起止点判断单元为特征提取单元提供与动作有关的人体表面肌电信号；
所述特征提取单元与模式识别单元相连，特征提取单元为模式识别单元提供模式识别所需要的特征；
所述模式识别单元与画面单元相连，模式识别单元为画面单元提供识别结果；
所述模式识别单元与语音单元相连，模式识别单元为语音单元提供识别结果。
优选的，所述数据采集模块同时采集多通道表面肌电信号信号，并且根据实际需要进行组合选择；通过传感器单元与模拟信号采集电路单元，采集表面肌电信号的模拟信号，并将信号传输给数字信号采集单元；然后，通过数字信号采集单元，将模拟信号转换为数字信号，并将信号传输给数据处理模块进行数据处理。
优选的，所述数据采集模块同时采集多通道的表面肌电信号，并将表面肌电信号进行带通滤波，将表面肌电信号进行A/D转换；所述数据采集模块采集通道不多于四个。
优选的，所述数据处理模块将多通道的表面肌电信号进行滤波处理；所述数据处理模块的滤波单元采用带宽为11赫兹到2000赫兹的带通滤波器，用于过滤由于心跳、电子设备、环境噪声所产生的干扰，得到滤波后的表面肌电信号。
优选的，所述起止点判断单元通过计算某一时间段的各个通道的信号的能量的平均值，并与设定的阈值进行比较，来判断动作的起始点与终止点；计算各通道在某一时刻段内50各采样点的能量值，并将各通道的能量值进行平均计算：其中，n＝2，将各通道的能量平均值与阈值TV相比较；比较后的表面肌电信号信号结果如下：
优选的，所述特征提取单元提取积分肌电值与均方根值作为表面肌电信号的特征，或者提取积分肌电值与频率作为表面肌电信号的特征；其中，积分肌电值是对肌电信号取绝对值，得到的信号的均值将恒大于零，该方法定义如下：其中，Xiemg(i＝0,1,2,…,N-1)为一长度为N的时间序列；
均方根值的计算公式为：频率为表面肌电信号的频率。
优选的，所述模式识别单元利用经过训练的人工神经网络进行手部姿态的模式识别；将积分肌电值与均方根值，或者积分肌电值与频率作为两个特征作为人工神经网络的输入，通过隐藏层，最后判断出手部的动作模式。
优选的，所述显示模块预先将握拳、展拳、外展、内屈四个手部姿态，利用计算机技术，将其动画效果与对应的语音播报存储在计算机存储器中；当识别结果确定后，利用显示器显示相应的动作，同时利用扬声器进行播报。
相对于现有技术的有益效果是，采用上述方案，本发明是一种基于人体表面肌电信号的手部动作识别系统，本发明可实现多通道、高精度表面肌电信号数据采集与存储，能够高效率完成数据处理与手部动作识别，并通过画面与语音两种途径进行人机交互，大大提高了手部动作识别的效率与准确率。本发明结构设计合理，节约成本，采用多通道进行人体手臂肌肉的肌电信号采集，并且能够快速、准确识别手部动作，对利用表面肌电信号进行机电控制具有很大的促进作用。
附图说明
图1为本发明各模块功能示意图；
图2为本发明工作流程图；
图3为本发明A/D转换电路图；
图4为本发明模式识别流程图。
具体实施方式
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本说明书所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。
如图1-4所示，该基于人体表面肌电信号的手部姿态识别系统，包括数据采集模块、数据处理模块、显示模块；
所述数据采集模块由模拟信号采集电路供电单元、模拟信号采集电路单元、传感器单元、数字信号采集电路供电单元、数字信号采集单元组成，主要完成表面肌电信号的采集工作；
所述数据处理模块由滤波单元、起止点判断单元、特征提取单元、模式识别单元组成，主要完成数据处理工作；
所述显示模块由画面单元、语音单元组成，主要完成动作识别结果的显示工作；
所述模拟信号采集电路供电单元与模拟信号采集电路单元相连，模拟信号采集电路供电单元为模拟信号采集电路单元提供5伏电压；
所述传感器单元与模拟信号采集电路单元相连，传感器单元为模拟信号采集电路单元提供采集到的人体表面肌电信号，模拟信号采集电路单元将信号进行放大和滤波处理；
所述数字信号采集电路供电单元与数字信号采集单元相连，数字信号采集电路供电单元为数字信号采集单元提供5伏电压；
所述模拟信号采集电路单元与数字信号采集单元相连，模拟信号采集电路单元为数字信号采集单元提供处理后的人体表面肌电信号，数字信号采集单元将该信号进行A/D转换；
所述数字信号采集单元与滤波单元相连，数字信号采集单元将A/D转换的信号输送给滤波单元；
所述滤波单元与起止点判断单元相连，滤波单元为起止点判断单元提供滤波后的人体表面肌电信号；
所述起止点判断单元与特征提取单元相连，起止点判断单元为特征提取单元提供与动作有关的人体表面肌电信号；
所述特征提取单元与模式识别单元相连，特征提取单元为模式识别单元提供模式识别所需要的特征；
所述模式识别单元与画面单元相连，模式识别单元为画面单元提供识别结果；
所述模式识别单元与语音单元相连，模式识别单元为语音单元提供识别结果。
优选的，所述数据采集模块同时采集多通道表面肌电信号信号，并且根据实际需要进行组合选择；通过传感器单元与模拟信号采集电路单元，采集表面肌电信号的模拟信号，并将信号传输给数字信号采集单元；然后，通过数字信号采集单元，将模拟信号转换为数字信号，并将信号传输给数据处理模块进行数据处理。
优选的，所述数据采集模块同时采集多通道的表面肌电信号，并将表面肌电信号进行带通滤波，将表面肌电信号进行A/D转换；所述数据采集模块采集通道不多于四个。
优选的，所述数据处理模块将多通道的表面肌电信号进行滤波处理；所述数据处理模块的滤波单元采用带宽为11赫兹到2000赫兹的带通滤波器，用于过滤由于心跳、电子设备、环境噪声所产生的干扰，得到滤波后的表面肌电信号。
优选的，所述起止点判断单元通过计算某一时间段的各个通道的信号的能量的平均值，并与设定的阈值进行比较，来判断动作的起始点与终止点；计算各通道在某一时刻段内50各采样点的能量值，并将各通道的能量值进行平均计算：其中，n＝2，将各通道的能量平均值与阈值TV相比较；比较后的表面肌电信号信号结果如下：
优选的，所述特征提取单元提取积分肌电值与均方根值作为表面肌电信号的特征，或者提取积分肌电值与频率作为表面肌电信号的特征；其中，积分肌电值是对肌电信号取绝对值，得到的信号的均值将恒大于零，该方法定义如下：其中，Xiemg(i＝0,1,2,…,N-1)为一长度为N的时间序列；
均方根值的计算公式为：频率为表面肌电信号的频率。
优选的，所述模式识别单元利用经过训练的人工神经网络进行手部姿态的模式识别；将积分肌电值与均方根值，或者积分肌电值与频率作为两个特征作为人工神经网络的输入，通过隐藏层，最后判断出手部的动作模式。
优选的，所述显示模块预先将握拳、展拳、外展、内屈四个手部姿态，利用计算机技术，将其动画效果与对应的语音播报存储在计算机存储器中；当识别结果确定后，利用显示器显示相应的动作，同时利用扬声器进行播报。
本发明的数据采集模块主要由模拟信号采集电路供电单元、模拟信号采集电路单元、传感器单元、数字信号采集电路供电单元、数字信号采集单元，共5部分组成，主要完成表面肌电信号的采集工作；所述的数据处理模块主要由滤波单元、起止点判断单元、特征提取单元、模式识别单元，共4部分组成，主要完成数据处理工作；所述的显示模块主要由画面单元、语音单元，共2部分组成，主要完成动作识别结果的显示工作。
所述的数据采集模块，可同时采集多通道表面肌电信号，并且可根据实际需要进行选择组合。首先，通过传感器模块与模拟信号采集电路，采集表面肌电信号的模拟信号，并将信号传输给数字信号采集单元。然后，通过数字信号采集单元，将模拟信号转换为数字信号，并将信号传输给数据处理模块进行数据处理。此外，模拟信号采集电路供电单元产生12V直流电压，为模拟信号采集电路单元进行供电；数字信号采集电路供电单元产生5V直流电压，为数字信号采集单元进行供电。
本发明第一方面提供一种表面肌电信号的采集方法，包括：同时采集多通道的表面肌电信号；将表面肌电信号进行带通滤波；将表面肌电信号进行A/D转换。
结合本发明第一方面，在本发明第一方面的第一种可能的实现方式中，所述同时采集多通道的表面肌电信号，包括：可同时采集人体上肢多块肌肉的表面肌电信号，例如：肱二头肌、肱三头肌、三角肌、肱桡肌、桡侧腕长伸肌、桡侧腕短伸肌等肌肉。由于传感器的尺寸所限，为了避免传感器贴片位置的相互重叠或者影响信号采集，一般采集通道不多于四个。将所述的多通道的表面肌电信号进行滤波处理，设置带宽为11赫兹到2000赫兹的带通滤波器，用来过滤由于心跳、电子设备、环境噪声所产生的干扰，得到滤波后的表面肌电信号。将所述的滤波后的表面肌电信号进行A/D转换，利用AD7705微控制器进行A/D转换，将模拟信号转换为数字信号，并传输给计算机。
本发明第二方面提供表面肌电信号的数据处理方法，包括：同时采集多通道的表面肌电信号；将表面肌电信号进行带通滤波；将表面肌电信号进行A/D转换；表面肌电信号低通滤波处理；起止点判断；特征提取；模式识别。
结合本发明第二方面，在本发明第二方面的第一种可能的实现方式中，所述同时采集多通道的表面肌电信号，包括：可同时采集人体上肢多块肌肉的表面肌电信号，例如：肱二头肌、肱三头肌、三角肌、肱桡肌、桡侧腕长伸肌、桡侧腕短伸肌等肌肉。由于传感器的尺寸所限，为了避免传感器贴片位置的相互重叠或者影响信号采集，一般采集通道不多于四个。
将所述的多通道的表面肌电信号进行滤波处理，设置带宽为11赫兹到2000赫兹的带通滤波器，用来过滤由于心跳、电子设备、环境噪声所产生的干扰，得到滤波后的表面肌电信号。
将所述的滤波后的表面肌电信号进行A/D转换，利用AD7705微控制器进行A/D转换，将模拟信号转换为数字信号，并传输给计算机。
利用软件编程，利用阿尔法滤波器，将A/D转换后的表面肌电信号，进行低通滤波，去除频率大于2000赫兹的噪声信号。
通过计算某一时间段的各个通道的信号的能量的平均值，并与设定的阈值进行比较，来判断动作的起始点与终止点。其具体过程如下：计算各通道在某一时刻段内50各采样点的能量值，并将各通道的能量值进行平均计算。其中，n＝2，将各通道的能量平均值与阈值TV相比较。比较后的表面肌电信号信号结果如下：
利用软件编程，提取积分肌电值与均方根值作为表面肌电信号的特征。其中，积分肌电值是对肌电信号取绝对值，得到的信号的均值将恒大于零，该方法定义如下：其中，Xiemg(i＝0,1,2,…,N-1)为一长度为N的时间序列。均方根值的计算公式为：
结合图4，本发明利用经过训练的人工神经网络进行手部姿态的模式识别。将积分肌电值与均方根值两个特征作为人工神经网络的输入，通过隐藏层，最后判断出手部的动作模式。
结合本发明第二方面，在本发明第二方面的第二种可能的实现方式中，所述同时采集多通道的表面肌电信号，包括：可同时采集人体上肢多块肌肉的表面肌电信号，例如：肱二头肌、肱三头肌、三角肌、肱桡肌、桡侧腕长伸肌、桡侧腕短伸肌等肌肉。由于传感器的尺寸所限，为了避免传感器贴片位置的相互重叠或者影响信号采集，一般采集通道不多于四个。
将所述的多通道的表面肌电信号进行滤波处理，设置带宽为11赫兹到2000赫兹的带通滤波器，用来过滤由于心跳、电子设备、环境噪声所产生的干扰，得到滤波后的表面肌电信号。
将所述的滤波后的表面肌电信号进行A/D转换，利用AD7705微控制器进行A/D转换，将模拟信号转换为数字信号，并传输给计算机。
利用软件编程，利用阿尔法滤波器，将A/D转换后的表面肌电信号，进行低通滤波，去除频率大于2000赫兹的噪声信号。
通过计算某一时间段的各个通道的信号的能量的平均值，并与设定的阈值进行比较，来判断动作的起始点与终止点。其具体过程如下：计算各通道在某一时刻段内50各采样点的能量值，并将各通道的能量值进行平均计算。其中，n＝2，将各通道的能量平均值与阈值TV相比较。比较后的表面肌电信号信号结果如下：
利用软件编程，提取积分肌电值与频率作为表面肌电信号的特征。其中，积分肌电值是对肌电信号取绝对值，得到的信号的均值将恒大于零，该方法定义如下：其中，Xiemg(i＝0,1,2,…,N-1)为一长度为N的时间序列。其中，频率为将表面肌电信号的频率。
结合图4，本发明利用经过训练的人工神经网络进行手部姿态的模式识别。将积分肌电值与频率两个特征作为人工神经网络的输入，通过隐藏层，最后判断出手部的动作模式。
本发明第三方面提供手部姿态识别的显示方法，包括：画面显示；语音显示。
结合本发明第三方面，在本发明第三方面的第一种可能的实现方式中，所述画面显示，包括：预先将握拳、展拳、外展、内屈四个手部姿态，利用计算机技术，将其动画效果存储在计算机存储器中。当识别结果确定后，利用显示器显示相应的动作。
所述的语音显示，包括：预先将握拳、展拳、外展、内屈四个手部姿态，利用计算机技术，将其对应的语音播报存储在计算机存储器中。当识别结果确定后，利用扬声器播报相应的动作。能够实现高准确率的手部动作识别。能够实现高效率的数据处理过程。能够实现多途径动作识别结果显示。
基于人体表面肌电信号的手部姿态识别方法，具体包括以下步骤：
步骤1、预先将握拳、展拳、外展、内屈四个手部姿态，利用计算机技术，将其动画效果与其对应的语音播报存储在计算机存储器中。
步骤2、利用表面肌电信号数据对人工神经网络进行训练，输入手部在做握拳、展拳、外展、内屈四个手部姿态时的积分肌电值与均方根值，得到神经网络中每个神经元的激励函数。
步骤3、同时采集人体上肢多块肌肉的表面肌电信号：三角肌、肱桡肌、桡侧腕长伸肌、桡侧腕短伸肌。
步骤4、将所述的多通道的表面肌电信号进行滤波处理，设置带宽为11赫兹到2000赫兹的带通滤波器，用来过滤由于心跳、电子设备、环境噪声所产生的干扰，得到滤波后的表面肌电信号。
步骤5、将所述的滤波后的表面肌电信号进行A/D转换，利用AD7705微控制器进行A/D转换，将模拟信号转换为数字信号，并传输给计算机。
步骤6、利用软件编程，使用阿尔法滤波器，将A/D转换后的表面肌电信号，进行低通滤波，去除频率大于2000赫兹的噪声信号。
步骤7、通过计算某一时间段的各个通道的信号的能量的平均值，并与设定的阈值进行比较，来判断动作的起始点与终止点。其具体过程如下：计算各通道在某一时刻段内50各采样点的能量值，并将各通道的能量值进行平均计算。其中，n＝2，将各通道的能量平均值与阈值TV相比较。比较后的表面肌电信号信号结果如下：
步骤8、提取积分肌电值与均方根值作为表面肌电信号的特征。其中，积分肌电值是对肌电信号取绝对值，得到的信号的均值将恒大于零，该方法定义如下：其中，Xiemg(i＝0,1,2,…,N-1)为一长度为N的时间序列。均方根值的计算公式为：
步骤9、本发明利用经过训练的人工神经网络进行手部姿态的模式识别。将积分肌电值与均方根值两个特征作为人工神经网络的输入，通过隐藏层，最后判断出手部的动作模式。
步骤10、当识别结果确定后，利用显示器将相应的动作动画显示出来，同时利用扬声器将相应的动作语音播报。
能够实现高准确率的手部动作识别。
能够实现高效率的数据处理过程。
能够实现多途径动作识别结果显示。
需要说明的是，上述各技术特征继续相互组合，形成未在上面列举的各种实施例，均视为本发明说明书记载的范围；并且，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种基于人体表面肌电信号的手部姿态识别系统，其特征在于，包括数据采集模块、数据处理模块、显示模块；
所述数据采集模块由模拟信号采集电路供电单元、模拟信号采集电路单元、传感器单元、数字信号采集电路供电单元、数字信号采集单元组成，主要完成表面肌电信号的采集工作；
所述数据处理模块由滤波单元、起止点判断单元、特征提取单元、模式识别单元组成，主要完成数据处理工作；
所述显示模块由画面单元、语音单元组成，主要完成动作识别结果的显示工作；
所述模拟信号采集电路供电单元与模拟信号采集电路单元相连，模拟信号采集电路供电单元为模拟信号采集电路单元提供5伏电压；
所述传感器单元与模拟信号采集电路单元相连，传感器单元为模拟信号采集电路单元提供采集到的人体表面肌电信号，模拟信号采集电路单元将信号进行放大和滤波处理；
所述数字信号采集电路供电单元与数字信号采集单元相连，数字信号采集电路供电单元为数字信号采集单元提供5伏电压；
所述模拟信号采集电路单元与数字信号采集单元相连，模拟信号采集电路单元为数字信号采集单元提供处理后的人体表面肌电信号，数字信号采集单元将该信号进行A/D转换；
所述数字信号采集单元与滤波单元相连，数字信号采集单元将A/D转换的信号输送给滤波单元；
所述滤波单元与起止点判断单元相连，滤波单元为起止点判断单元提供滤波后的人体表面肌电信号；
所述起止点判断单元与特征提取单元相连，起止点判断单元为特征提取单元提供与动作有关的人体表面肌电信号；
所述特征提取单元与模式识别单元相连，特征提取单元为模式识别单元提供模式识别所需要的特征；
所述模式识别单元与画面单元相连，模式识别单元为画面单元提供识别结果；
所述模式识别单元与语音单元相连，模式识别单元为语音单元提供识别结果。
2.根据权利要求1所述的基于人体表面肌电信号的手部姿态识别系统，其特征在于，所述数据采集模块同时采集多通道表面肌电信号信号，并且根据实际需要进行组合选择；通过传感器单元与模拟信号采集电路单元，采集表面肌电信号的模拟信号，并将信号传输给数字信号采集单元；然后，通过数字信号采集单元，将模拟信号转换为数字信号，并将信号传输给数据处理模块进行数据处理。
3.根据权利要求1所述的基于人体表面肌电信号的手部姿态识别系统，其特征在于，所述数据采集模块同时采集多通道的表面肌电信号，并将表面肌电信号进行带通滤波，将表面肌电信号进行A/D转换；所述数据采集模块采集通道不多于四个。
4.根据权利要求3所述的基于人体表面肌电信号的手部姿态识别系统，其特征在于，所述数据处理模块将多通道的表面肌电信号进行滤波处理；所述数据处理模块的滤波单元采用带宽为11赫兹到2000赫兹的带通滤波器，用于过滤由于心跳、电子设备、环境噪声所产生的干扰，得到滤波后的表面肌电信号。
5.根据权利要求1所述的基于人体表面肌电信号的手部姿态识别系统，其特征在于，所述起止点判断单元通过计算某一时间段的各个通道的信号的能量的平均值，并与设定的阈值进行比较，来判断动作的起始点与终止点；计算各通道在某一时刻段内50各采样点的能量值，并将各通道的能量值进行平均计算：其中，n＝2，将各通道的能量平均值与阈值TV相比较；比较后的表面肌电信号信号结果如下：
6.根据权利要求1所述的基于人体表面肌电信号的手部姿态识别系统，其特征在于，所述特征提取单元提取积分肌电值与均方根值作为表面肌电信号的特征，或者提取积分肌电值与频率作为表面肌电信号的特征；其中，积分肌电值是对肌电信号取绝对值，得到的信号的均值将恒大于零，该方法定义如下：其中，Xiemg(i＝0,1,2,…,N-1)为一长度为N的时间序列；
均方根值的计算公式为：频率为表面肌电信号的频率。
7.根据权利要求1所述的基于人体表面肌电信号的手部姿态识别系统，其特征在于，所述模式识别单元利用经过训练的人工神经网络进行手部姿态的模式识别；将积分肌电值与均方根值，或者积分肌电值与频率作为两个特征作为人工神经网络的输入，通过隐藏层，最后判断出手部的动作模式。
8.根据权利要求1所述的基于人体表面肌电信号的手部姿态识别系统，其特征在于，所述显示模块预先将握拳、展拳、外展、内屈四个手部姿态，利用计算机技术，将其动画效果与对应的语音播报存储在计算机存储器中；当识别结果确定后，利用显示器显示相应的动作，同时利用扬声器进行播报。
CN201711373003.XA 2017-12-19 2017-12-19 一种基于人体表面肌电信号的手部姿态识别系统 Pending CN107861628A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711373003.XA CN107861628A (zh) 2017-12-19 2017-12-19 一种基于人体表面肌电信号的手部姿态识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711373003.XA CN107861628A (zh) 2017-12-19 2017-12-19 一种基于人体表面肌电信号的手部姿态识别系统

Publications (1)

Publication Number Publication Date
CN107861628A true CN107861628A (zh) 2018-03-30

Family

ID=61707048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711373003.XA Pending CN107861628A (zh) 2017-12-19 2017-12-19 一种基于人体表面肌电信号的手部姿态识别系统

Country Status (1)

Country Link
CN (1) CN107861628A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717327A (zh) * 2018-05-21 2018-10-30 中北大学 一种用于反恐作战手势识别的智能感知手套及感知方法
CN109381184A (zh) * 2018-10-15 2019-02-26 刘丹 一种辅助搬运的可穿戴智能设备控制方法
CN110585684A (zh) * 2019-07-05 2019-12-20 华东理工大学 基于动作识别的vr互动方法及系统
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
CN111702764A (zh) * 2020-06-28 2020-09-25 北京海益同展信息科技有限公司 外骨骼机器人控制方法、装置、外骨骼机器人及存储介质
CN111714123A (zh) * 2020-07-22 2020-09-29 华南理工大学 一种人体腰背部表面肌电信号的检测系统和方法
CN111839847A (zh) * 2020-07-02 2020-10-30 北京海益同展信息科技有限公司 肌电假肢控制方法、装置、电子设备和计算机可读介质
CN111870242A (zh) * 2020-08-03 2020-11-03 南京邮电大学 一种基于肌电信号的智能手势动作生成方法
CN112494920A (zh) * 2020-12-29 2021-03-16 西安易朴通讯技术有限公司 计时方法、电子设备及存储介质
CN112773382A (zh) * 2021-01-20 2021-05-11 钛虎机器人科技(上海)有限公司 具备用户自适应能力的肌电传感方法及系统
CN112773380A (zh) * 2019-11-07 2021-05-11 深圳市理邦精密仪器股份有限公司 一种肌电信号的处理方法、处理设备以及存储介质
CN113157095A (zh) * 2021-04-23 2021-07-23 上海交通大学 基于表面肌电信号的嵌入式实时自适应控制方法和系统
CN115034273A (zh) * 2021-12-27 2022-09-09 驻马店市中心医院 一种基于模式识别的肌电生物反馈设备及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106388819A (zh) * 2016-10-28 2017-02-15 许昌学院 一种基于表面肌电信号的人体上肢肌肉状态监测系统及判断方法
CN106527716A (zh) * 2016-11-09 2017-03-22 努比亚技术有限公司 一种基于肌电信号的穿戴设备及其与终端的交互方法
CN106845348A (zh) * 2016-12-20 2017-06-13 南京信息工程大学 一种基于手臂表面肌电信号的手势识别方法
CN107273798A (zh) * 2017-05-11 2017-10-20 华南理工大学 一种基于表面肌电信号的手势识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106388819A (zh) * 2016-10-28 2017-02-15 许昌学院 一种基于表面肌电信号的人体上肢肌肉状态监测系统及判断方法
CN106527716A (zh) * 2016-11-09 2017-03-22 努比亚技术有限公司 一种基于肌电信号的穿戴设备及其与终端的交互方法
CN106845348A (zh) * 2016-12-20 2017-06-13 南京信息工程大学 一种基于手臂表面肌电信号的手势识别方法
CN107273798A (zh) * 2017-05-11 2017-10-20 华南理工大学 一种基于表面肌电信号的手势识别方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717327B (zh) * 2018-05-21 2021-01-01 中北大学 一种用于反恐作战手势识别的智能感知手套及感知方法
CN108717327A (zh) * 2018-05-21 2018-10-30 中北大学 一种用于反恐作战手势识别的智能感知手套及感知方法
CN109381184A (zh) * 2018-10-15 2019-02-26 刘丹 一种辅助搬运的可穿戴智能设备控制方法
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
CN110585684A (zh) * 2019-07-05 2019-12-20 华东理工大学 基于动作识别的vr互动方法及系统
CN112773380B (zh) * 2019-11-07 2023-09-22 深圳市理邦精密仪器股份有限公司 一种肌电信号的处理方法、处理设备以及存储介质
CN112773380A (zh) * 2019-11-07 2021-05-11 深圳市理邦精密仪器股份有限公司 一种肌电信号的处理方法、处理设备以及存储介质
CN111702764A (zh) * 2020-06-28 2020-09-25 北京海益同展信息科技有限公司 外骨骼机器人控制方法、装置、外骨骼机器人及存储介质
CN111839847A (zh) * 2020-07-02 2020-10-30 北京海益同展信息科技有限公司 肌电假肢控制方法、装置、电子设备和计算机可读介质
CN111839847B (zh) * 2020-07-02 2023-09-01 京东科技信息技术有限公司 肌电假肢控制方法、装置、电子设备和计算机可读介质
CN111714123A (zh) * 2020-07-22 2020-09-29 华南理工大学 一种人体腰背部表面肌电信号的检测系统和方法
CN111870242A (zh) * 2020-08-03 2020-11-03 南京邮电大学 一种基于肌电信号的智能手势动作生成方法
CN112494920A (zh) * 2020-12-29 2021-03-16 西安易朴通讯技术有限公司 计时方法、电子设备及存储介质
CN112773382A (zh) * 2021-01-20 2021-05-11 钛虎机器人科技(上海)有限公司 具备用户自适应能力的肌电传感方法及系统
CN113157095A (zh) * 2021-04-23 2021-07-23 上海交通大学 基于表面肌电信号的嵌入式实时自适应控制方法和系统
CN115034273A (zh) * 2021-12-27 2022-09-09 驻马店市中心医院 一种基于模式识别的肌电生物反馈设备及系统
CN115034273B (zh) * 2021-12-27 2023-09-01 驻马店市中心医院 一种基于模式识别的肌电生物反馈设备及系统

Similar Documents

Publication Publication Date Title
CN107861628A (zh) 一种基于人体表面肌电信号的手部姿态识别系统
CN100594858C (zh) 一种脑电肌电联合控制的电动假手的控制方法
CN102499797B (zh) 假肢控制方法及系统
CN109009586B (zh) 一种假手腕关节人机自然驱动角度的肌电连续解码方法
CN202288542U (zh) 假肢控制装置
CN104383637B (zh) 一种培训辅助设备和培训辅助方法
CN103777752A (zh) 基于手臂肌肉电流检测和运动传感器的手势识别设备
CN202168823U (zh) 人体表面肌电信号采集器
CN105769173A (zh) 一种具有心电信号去噪功能的心电监测系统
CN101776981A (zh) 脑电与肌电联合控制鼠标的方法
CN104267807A (zh) 基于手部动作肌音信号的人机交互方法及交互系统
CN107193374B (zh) 一种主动故意手势动作的检测装置及检测方法
Gini et al. Acquisition and analysis of EMG signals to recognize multiple hand movements for prosthetic applications
CN103815991A (zh) 双通道操作感知虚拟假手训练系统及方法
CN1774201A (zh) 可视地分析肌肉活动性水平的非侵入式传感器
CN1111121A (zh) 心电和脉搏信号自适应分析法及其装置
Suhaimi et al. Analysis of EMG-based muscles activity for stroke rehabilitation
Shinde et al. Design of myoelectric prosthetic arm
CN201227336Y (zh) 一种脑电肌电联合控制的电动假手
CN110751060B (zh) 一种基于多源信号的便携式运动模式实时识别系统
CN202015325U (zh) 带触滑觉传感器的多功能助老助行机器人
Abass et al. A robust, practical upper limb electromyography interface using dry 3D printed electrodes
Ibrahim et al. Electromyography signal based for intelligent prosthesis design
CN212415731U (zh) 一种手部运动功能评估装置
CN204909446U (zh) 一种人体表面肌电信号蓝牙模块采集装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180330