CN109346176A - 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 - Google Patents

Abstract

本发明公开了一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，首先对实验对象进行个性化人体肌肉骨骼模型缩放；然后采集实验对象运动状态下运动学、动力学数据和肌电信号，通过逆运动学求解各关节角度，通过肌肉‑肌腱运动学计算生理学参数，通过逆动力学求解各关节力矩；根据上述求得的各关节角度、生理学参数、各关节力矩及处理后的肌电信号用于求解关于肌肉协同结构和募集模式的关节力矩分配最优控制问题，得到驱动人体动力学模型的肌肉协同结构和募集模式。该方法使用方便，舒适度和安全性高，并能兼顾关节力矩与肌电信号误差，提高了仿真模型的准确性。

Description

一种基于人体动力学建模和表面肌电信号修正的肌肉协同分 析方法

技术领域

本发明涉及生物医学工程领域，尤其涉及一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法。

背景技术

肌肉协同分析是人体运动功能分析的重要手段，对于定量分析人体肌肉、神经等运动功能具有重要意义。通常情况下，进行肌肉协同分析首先需要通过肌电传感器获取所涉及肌肉的肌电信号，对原始肌电信号处理后，通过矩阵分解算法得到各协同的协同结构和募集模式。这种方法需要采用尽可能多的肌电传感器，将表面电极粘贴在浅层肌肉的皮肤表面，或将侵入式的针式电极刺入深层肌肉，否则难以测量深层肌肉肌电信号，这些肌电传感器的电极会引起人体的不舒适感甚至疼痛感，从而影响人体正常的运动功能，进而影响肌肉协同分析，且侵入式针式电极对人体的感染风险较大，此外，肌电传感器还极易受到干扰。

发明内容

针对上述不足，本发明提出一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法。由于原有的肌肉协同分析方法需要大量肌电传感器采集肌电信号，而肌电传感器的测量误差较大，人体舒适度差且安全风险较高，因此我们提出一种新的肌肉协同分析方法，该方法应用人体动力学建模方法，通过采集人体运动学参数和人体与外界交互作用力生成人体动力学模型，引入采集的少量肌电信号对上述模型进行修正，从而求解各协同的协同结构和募集模式。

为了达到上述目的，本发明所采用的技术方案如下：一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，该方法包括：首先对实验对象进行个性化人体肌肉骨骼模型缩放；然后采集实验对象运动状态下运动学、动力学数据和肌电信号，通过逆运动学求解各关节角度，通过肌肉-肌腱运动学计算生理学参数，通过逆动力学求解各关节力矩；根据上述求得的各关节角度、生理学参数、各关节力矩及处理后的肌电信号，求解关于肌肉协同结构和募集模式的关节力矩分配最优控制问题，得到驱动人体动力学模型的肌肉协同结构和募集模式。

进一步的，所述对实验对象进行个性化人体肌肉骨骼模型缩放具体为：

利用三维运动捕捉系统采集实验对象静态状态下身体表面粘贴的标志点位置P_STATIC，应用OpenSim人体建模理论，以标准人体肌肉骨骼模型为基准，对当前实验对象进行个性化人体肌肉骨骼模型缩放；模型中的参数包含肌纤维长度、肌腱静息长度、肌肉起止点和人体各环节长度及质量。

进一步的，所述各关节角度、生理学参数、各关节力矩及处理后的肌电信号的求解过程如下：

三维运动捕捉系统采集实验对象运动状态下身体表面粘贴的标志点运动轨迹P，同时测力台采集人体运动状态下与外界的交互作用力F_REACTION，同时选取活动明显的肌肉，肌电传感器采集其肌电原始信号u_RAW；

将标记点三维坐标数据P导入到个性化人体肌肉骨骼模型中，通过逆运动学求解得出各关节角度θ，通过肌肉-肌腱运动学计算肌纤维长度l、肌肉长度L和各肌肉-肌腱单元相对于各关节的力臂R生理学参数，然后以关节角度θ和交互作用力F_REACTION作为输入，通过逆动力学求解得出关节力矩实验值T^*；将原始表面肌电信号u_RAW经高通滤波、全波整流和低通滤波预处理后，以最大等容收缩下的峰值为基准得到归一化的肌肉兴奋实验值u^*。

进一步的，将肌纤维长度l、肌肉-肌腱单元长度L、各肌肉-肌腱单元相对于各关节的力臂R、关节力矩T^*和肌肉兴奋实验值u^*用于求解关于肌肉协同结构W和募集模式h的关节力矩分配最优控制问题。

进一步的，所述最优控制问题的目标函数J为：

约束于

F_i(t)＝f₁(l_i,L_i(t))(i＝1,2…nMTU),

其中，w₁,w₂,w₃表示各项权重系数，均大于0，且它们之和为1；p₁,p₂,p₃表示各项指数，均大于0；T表示运动时长，t表示时间，nMTU表示人体肌肉骨骼模型中肌肉的数目，nEMG表示肌电传感器测得肌电信号的数目，nDof表示人体肌肉骨骼模型的关节自由度，nSyn表示肌肉协同数目，u_j表示第j块肌肉兴奋仿真值，表示第j块选取测量实验值肌肉的兴奋仿真值，T_k表示第k关节自由度的力矩仿真值，表示第k关节自由度的力矩实验值，F_i表示第i块肌肉的力，l_i表示第i块肌肉的肌纤维长度，L_i表示第i块肌肉-肌腱单元长度，f₁表示肌肉力关于肌纤维长度和肌肉-肌腱单元长度的函数，f₂表示肌肉收缩动力学函数，f₃表示肌肉激活动力学函数，a_i表示第i块肌肉的激活值，表示第i块肌肉的肌纤维最适长度，α_i表示第i块肌肉的肌纤维处于最适长度时的羽状角，W_in表示第i块肌肉在第n协同结构中的权重系数，h_n表示第n协同的募集模式，g_i表示关于第i块肌肉的目标函数，u_i表示第i块肌肉兴奋仿真值，R_ik表示第i块肌肉对于第k关节的力臂。

进一步的，所述三维运动捕捉系统、测力台和肌电传感器为同步触发。

与现有技术相比，本发明的有益效果如下：与现有技术相比通过三维运动捕捉系统采集人体运动学轨迹，通过测力台采集人体与外界的交互作用力，只需采用少量的肌电传感器采集表面肌电信号，这种方法对于人体运动的影响较小，人体舒适度、安全性更高，且能降低肌电传感器测量误差对实验结果的影响。另外，还具有：1、采用人体肌肉骨骼模型生成人体动力学模型，引入采集的少量肌电信号对上述模型进行修正，不再需要大量肌电传感器，使用方便，提高了人体舒适度和安全性。2、肌肉协同结构和募集模式通过最优控制问题求解，得到驱动人体动力学模型的肌肉协同结构和募集模式，最优控制问题的目标函数兼顾关节力矩和肌电信号误差，提高了仿真模型的准确性。

附图说明

图1为实验对象正面观表面肌电电极放置示意图；

图2为实验对象背面观表面肌电电极放置示意图；

图3为基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法流程图；

图中：股内侧肌1、股外侧肌2、胫骨前肌3、腓肠肌内侧头4、比目鱼肌5。

具体实施方式

下面结合附图和实施例对发明进一步说明。

本发明的基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法用于分析人体运动中肌肉协同结构和募集模式。

如图1和图2所示，用于采集实验对象肌电信号的表面肌电电极放置示意图，所述的表面肌电信号来源于：股内侧肌1、股外侧肌2、胫骨前肌3、腓肠肌内侧头4、比目鱼肌5。

如图3所示，用于分析人体运动中肌肉协同结构和募集模式的基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，主要包括步骤：

步骤1，三维运动捕捉系统采集实验对象静态状态下身体表面粘贴的标志点位置，包含各标记点三维坐标数据P_STATIC，应用OpenSim人体建模理论，以标准人体肌肉骨骼模型为基准，对当前实验对象进行个性化人体肌肉骨骼模型缩放；模型中的参数包含肌纤维长度、肌腱静息长度、肌肉起止点和人体各环节长度及质量。

步骤2，三维运动捕捉系统采集实验对象运动状态下身体表面粘贴的标志点运动轨迹，包含各标记点三维坐标数据P，同时测力台采集人体运动状态下与外界的交互作用力F_REACTION，包括三维作用力、三维作用力矩和压力中心位置，同时选取活动明显的肌肉，肌电传感器采集其肌电原始信号u_RAW；三维运动捕捉系统、测力台和肌电传感器的触发为同步触发。

步骤3，将步骤2中标记点三维坐标数据P导入到个性化人体肌肉骨骼模型中，通过逆运动学求解得出各关节角度θ，通过肌肉-肌腱运动学计算肌纤维长度l、肌肉长度L和各肌肉-肌腱单元相对于各关节的力臂R等生理学参数，然后以关节角度θ和步骤2中的人体与外界作用力F_REACTION作为输入，通过逆动力学求解得出关节力矩实验值T^*；将步骤2中肌电原始信号u_RAW经高通滤波、全波整流和低通滤波等预处理后，以最大等容收缩下的峰值为基准得到归一化的肌肉兴奋实验值u^*；

步骤4，将步骤3中肌纤维长度l、肌肉-肌腱单元长度L、各肌肉-肌腱单元相对于各关节的力臂R、关节力矩T^*和肌肉兴奋实验值u^*用于求解关于肌肉协同结构W和募集模式h的关节力矩分配最优控制问题；最优控制问题的目标函数为：

约束于

F_i(t)＝f₁(l_i,L_i(t))(i＝1,2…nMTU),

其中，w₁,w₂,w₃表示各项权重系数，均大于0；p₁,p₂,p₃表示各项指数，均大于0；T表示运动时长，t表示时间，nMTU表示人体肌肉骨骼模型中肌肉的数目，nEMG表示肌电传感器测得肌电信号的数目，nDof表示人体肌肉骨骼模型的关节自由度，nSyn表示肌肉协同数目，u_j表示第j块选取测量实验值肌肉的兴奋仿真值，表示第j块肌肉兴奋实验值，T_k表示第k关节自由度的力矩仿真值，表示第k关节自由度的力矩实验值，F_i表示第i块肌肉的力，l_i表示第i块肌肉的肌纤维长度，L_i表示第i块肌肉-肌腱单元长度，f₁表示肌肉力关于肌纤维长度和肌肉-肌腱单元长度的函数，f₂表示肌肉收缩动力学函数，f₃表示肌肉激活动力学函数，a_i表示第i块肌肉的激活值，表示第i块肌肉的肌纤维最适长度，α_i表示第i块肌肉的肌纤维处于最适长度时的羽状角，W_in表示第i块肌肉在第n协同结构中的权重系数，h_n表示第n协同的募集模式，g_i表示关于第i块肌肉的目标函数，包含多种形式以表示多种优化目标，如g_i＝a_i、g_i＝F_i和(Ai表示第i块肌肉的生理横截面积)等。u_i表示第i块肌肉兴奋仿真值，R_ik表示第i块肌肉对于第k关节的力臂。以上各符号的单位均为国际标准单位，肌肉兴奋仿真值、肌肉兴奋实验值、肌肉激活值无量纲。

Claims (7)

1.一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，该方法包括：首先对实验对象进行个性化人体肌肉骨骼模型缩放；然后采集实验对象运动状态下运动学、动力学数据和肌电信号，通过逆运动学求解各关节角度，通过肌肉-肌腱运动学计算生理学参数，通过逆动力学求解各关节力矩；根据上述求得的各关节角度、生理学参数、各关节力矩及处理后的肌电信号，求解关于肌肉协同结构和募集模式的关节力矩分配最优控制问题，得到驱动人体动力学模型的肌肉协同结构和募集模式。

2.根据权利要求1所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述对实验对象进行个性化人体肌肉骨骼模型缩放具体为：

利用三维运动捕捉系统采集实验对象静态状态下身体表面粘贴的标志点位置P_STATIC，应用OpenSim人体建模理论，以标准人体肌肉骨骼模型为基准，对当前实验对象进行个性化人体肌肉骨骼模型缩放。

3.根据权利要求2所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，模型中的参数包含肌纤维长度、肌腱静息长度、肌肉起止点和人体各环节长度及质量。

4.根据权利要求2或3所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述各关节角度、生理学参数、各关节力矩及处理后的肌电信号的求解过程如下：

三维运动捕捉系统采集实验对象运动状态下身体表面粘贴的标志点运动轨迹P，同时测力台采集人体运动状态下与外界的交互作用力F_REACTION，同时选取活动明显的肌肉，肌电传感器采集其肌电原始信号u_RAW。

将标记点三维坐标数据P导入到个性化人体肌肉骨骼模型中，通过逆运动学求解得出各关节角度θ，通过肌肉-肌腱运动学计算肌纤维长度l、肌肉长度L和各肌肉-肌腱单元相对于各关节的力臂R生理学参数，然后以关节角度θ和交互作用力F_REACTION作为输入，通过逆动力学求解得出关节力矩实验值T^*；将原始表面肌电信号u_RAW经高通滤波、全波整流和低通滤波预处理后，以最大等容收缩下的峰值为基准得到归一化的肌肉兴奋实验值u^*。

5.根据权利要求4所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，将肌纤维长度l、肌肉-肌腱单元长度L、各肌肉-肌腱单元相对于各关节的力臂R、关节力矩T^*和肌肉兴奋实验值u^*用于求解关于肌肉协同结构W和募集模式h的关节力矩分配最优控制问题。

6.根据权利要求5所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述最优控制问题的目标函数J为：

约束于

F_i(t)＝f₁(l_i,L_i(t))(i＝1,2…nMTU),

其中，w₁,w₂,w₃表示各项权重系数，均大于0，且它们之和为1；p₁,p₂,p₃表示各项指数，均大于0；T表示运动时长，t表示时间，nMTU表示人体肌肉骨骼模型中肌肉的数目，nEMG表示肌电传感器测得肌电信号的数目，nDof表示人体肌肉骨骼模型的关节自由度，nSyn表示肌肉协同数目，u_j表示第j块肌肉兴奋仿真值，表示第j块选取测量实验值肌肉的兴奋仿真值，T_k表示第k关节自由度的力矩仿真值，表示第k关节自由度的力矩实验值，F_i表示第i块肌肉的力，l_i表示第i块肌肉的肌纤维长度，L_i表示第i块肌肉-肌腱单元长度，f₁表示肌肉力关于肌纤维长度和肌肉-肌腱单元长度的函数，f₂表示肌肉收缩动力学函数，f₃表示肌肉激活动力学函数，a_i表示第i块肌肉的激活值，表示第i块肌肉的肌纤维最适长度，α_i表示第i块肌肉的肌纤维处于最适长度时的羽状角，W_in表示第i块肌肉在第n协同结构中的权重系数，h_n表示第n协同的募集模式，g_i表示关于第i块肌肉的目标函数，u_i表示第i块肌肉兴奋仿真值，R_ik表示第i块肌肉对于第k关节的力臂。

7.根据权利要求6所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述三维运动捕捉系统、测力台和肌电传感器为同步触发。