CN115105270B - 一种智能假肢的肌电匹配阈值的动态调节方法 - Google Patents
一种智能假肢的肌电匹配阈值的动态调节方法 Download PDFInfo
- Publication number
- CN115105270B CN115105270B CN202211038156.XA CN202211038156A CN115105270B CN 115105270 B CN115105270 B CN 115105270B CN 202211038156 A CN202211038156 A CN 202211038156A CN 115105270 B CN115105270 B CN 115105270B
- Authority
- CN
- China
- Prior art keywords
- waveform data
- electromyographic
- local
- determining
- 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.)
- Active
Links
Images
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
- A61B5/397—Analysis of electromyograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Physiology (AREA)
- Social Psychology (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Transplantation (AREA)
- Vascular Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Prostheses (AREA)
Abstract
本发明公开了一种智能假肢的肌电匹配阈值的动态调节方法,通过获取目标用户对应的肌电信号,根据肌电信号确定智能假肢对应的目标动作的动作时长;获取目标用户的脑电信号,根据脑电信号确定目标用户对应的专注力值;根据动作时长和专注力值,对智能假肢的肌电匹配阈值进行调节。由于动作时长可以反映智能假肢当前执行动作的时间长短,专注力值可以反映目标用户当前的专注程度,因此通过动作时长和专注力值可以预估肌电信号的波动程度,进而动态调节肌电匹配阈值,保障智能假肢的正常运行。解决了现有技术中由于肌电信号具有不稳定性和随机性,因此固定的肌电匹配阈值难以保障智能假肢的正常运行的问题。
Description
技术领域
本发明涉及智能假肢应用领域,尤其涉及的是一种智能假肢的肌电匹配阈值的动态调节方法。
背景技术
智能假肢是一款脑机接口技术与人工智能算法高度融合的智能产品。智能假肢可以通过提取佩戴者的神经肌肉信号,识别佩戴者的运动意图,并将运动示意图转化成智能假肢的动作,从而做到灵巧智能。肌电信号匹配是智能假肢应用中的一项关键技术。现有的肌电信号匹配方法采用的是固定的肌电匹配阈值。然而肌电信号会随佩戴者的状态改变而发生变化,因此肌电信号具有不稳定性和随机性,采用固定的肌电匹配阈值难以保障智能假肢的正常运行。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种智能假肢的肌电匹配阈值的动态调节方法,旨在解决现有技术中由于肌电信号具有不稳定性和随机性,因此固定的肌电匹配阈值难以保障智能假肢的正常运行的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种智能假肢的肌电匹配阈值的动态调节方法,其中,所述方法包括:
获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长;
获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同;
根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。
在一种实施方式中,所述根据所述肌电信号确定智能假肢对应的目标动作的动作时长,包括:
根据所述肌电信号,确定实际肌电波形数据;
获取若干标准肌电波形数据,其中,各所述标准肌电波形数据分别对应所述智能假肢的不同动作;
根据所述实际肌电波形数据和各所述标准肌电波形数据,确定目标标准肌电波形数据;
根据所述目标标准肌电波形数据对应的动作的操作时长,确定所述动作时长。
在一种实施方式中,所述根据所述实际肌电波形数据和各所述标准肌电波形数据,确定目标标准肌电波形数据,包括:
根据所述实际肌电波形数据和各所述标准肌电波形数据,确定各所述标准肌电波形数据分别对应的相似度;
根据所述相似度最高的所述标准肌电波形数据,确定所述目标标准肌电波形数据。
在一种实施方式中,每一所述标准肌电波形数据对应的所述相似度的确定过程包括:
根据波峰和波谷分别对该标准肌电波形数据和所述实际肌电波形数据进行分割,得到该标准肌电波形数据对应的前若干第一局部波形数据和所述实际肌电波形数据对应的相等数量的前若干第二局部波形数据;
根据各所述第一局部波形数据和各所述第二局部波形数据,确定该标准肌电波形数据对应的若干局部相似度,其中,每一所述局部相似度用于反映一对所述第一局部波形数据和所述第二局部波形数据之间的相似程度;
根据各所述局部相似度,确定该标准肌电波形数据对应的所述相似度。
在一种实施方式中,每一对所述第一局部波形数据和所述第二局部波形数据对应的所述局部相似度的确定过程包括:
获取该第一局部波形数据对应的第一有向段,其中,所述第一有向段的起点和终点分别对应该第一局部波形数据的最小值和最大值;
获取该第二局部波形数据对应的第二有向段,其中,所述第二有向段的起点和终点分别对应该第二局部波形数据的最小值和最大值;
获取所述第一有向段和所述第二有向段对应的方向偏差值和长度偏差值;
根据所述方向偏差值和所述长度偏差值,确定该第一局部波形数据和该第二局部波形数据对应的所述局部相似度。
在一种实施方式中,所述根据所述脑电信号确定所述目标用户对应的专注力值,包括:
根据所述脑电信号,确定所述目标用户对应的脑电强度变化数据;
根据所述脑电强度变化数据,确定若干初始专注力值和各所述初始专注力值分别对应的持续时长,其中,各所述初始专注力值分别对应不同的脑电强度值;
根据各所述初始专注力值分别对应的所述持续时长,确定各所述初始专注力值分别对应的权重值;
根据各所述初始专注力值分别对应的所述权重值,对各所述初始专注力值进行加权求和,得到所述专注力值。
在一种实施方式中,所述根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节,包括:
获取预设的时长阈值和专注力阈值;
当所述动作时长大于所述时长阈值,且所述专注力值小于所述专注力阈值时,对所述肌电匹配阈值进行下调;
当所述动作时长小于或者等于所述时长阈值,且所述专注力值大于或者等于所述专注力阈值时,根据第一数值对所述肌电匹配阈值进行上调。
第二方面,本发明实施例还提供一种智能假肢的肌电匹配阈值的动态调节装置,其中,所述装置包括:
肌电处理模块,用于获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长;
脑电处理模块,用于获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同;
阈值调节模块,用于根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。
在一种实施方式中,所述肌电处理模块包括:
波形转换单元,用于根据所述肌电信号,确定实际肌电波形数据;
标准获取单元,用于获取若干标准肌电波形数据,其中,各所述标准肌电波形数据分别对应所述智能假肢的不同动作;
数据比对单元,用于根据所述实际肌电波形数据和各所述标准肌电波形数据,确定目标标准肌电波形数据;
时长确定单元,用于根据所述目标标准肌电波形数据对应的动作的操作时长,确定所述动作时长。
在一种实施方式中,所述数据比对单元包括:
相似度计算单元,用于根据所述实际肌电波形数据和各所述标准肌电波形数据,确定各所述标准肌电波形数据分别对应的相似度;
数据择优单元,用于根据所述相似度最高的所述标准肌电波形数据,确定所述目标标准肌电波形数据。
在一种实施方式中,所述相似度计算单元包括:
数据分割单元,用于针对每一标准肌电波形数据,根据波峰和波谷分别对该标准肌电波形数据和所述实际肌电波形数据进行分割,得到该标准肌电波形数据对应的前若干第一局部波形数据和所述实际肌电波形数据对应的相等数量的前若干第二局部波形数据;
局部比对单元,用于根据各所述第一局部波形数据和各所述第二局部波形数据,确定该标准肌电波形数据对应的若干局部相似度,其中,每一所述局部相似度用于反映一对所述第一局部波形数据和所述第二局部波形数据之间的相似程度;
第一综合比对单元,用于根据各所述局部相似度,确定该标准肌电波形数据对应的所述相似度。
在一种实施方式中,所述局部比对单元包括:
第一连线单元,用于针对每一第一局部波形数据,获取该第一局部波形数据对应的第一有向段,其中,所述第一有向段的起点和终点分别对应该第一局部波形数据的最小值和最大值;
第二连线单元,用于针对每一第二局部波形数据,获取该第二局部波形数据对应的第二有向段,其中,所述第二有向段的起点和终点分别对应该第二局部波形数据的最小值和最大值;
偏差计算单元,用于获取所述第一有向段和所述第二有向段对应的方向偏差值和长度偏差值;
第二综合比对单元,用于根据所述方向偏差值和所述长度偏差值,确定该第一局部波形数据和该第二局部波形数据对应的所述局部相似度。
在一种实施方式中,所述脑电处理模块包括:
强度计算单元,用于根据所述脑电信号,确定所述目标用户对应的脑电强度变化数据;
局部分析单元,用于根据所述脑电强度变化数据,确定若干初始专注力值和各所述初始专注力值分别对应的持续时长,其中,各所述初始专注力值分别对应不同的脑电强度值;
权重确定单元,用于根据各所述初始专注力值分别对应的所述持续时长,确定各所述初始专注力值分别对应的权重值;
综合计算单元,用于根据各所述初始专注力值分别对应的所述权重值,对各所述初始专注力值进行加权求和,得到所述专注力值。
在一种实施方式中,所述阈值调节模块包括:
阈值获取单元,用于获取预设的时长阈值和专注力阈值;
阈值下调单元,用于当所述动作时长大于所述时长阈值,且所述专注力值小于所述专注力阈值时,对所述肌电匹配阈值进行下调;
阈值上调单元,用于当所述动作时长小于或者等于所述时长阈值,且所述专注力值大于或者等于所述专注力阈值时,根据第一数值对所述肌电匹配阈值进行上调。
第三方面,本发明实施例还提供一种终端,其中,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如上述任一所述的智能假肢的肌电匹配阈值的动态调节方法的指令;所述处理器用于执行所述程序。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有多条指令,其中,所述指令适用于由处理器加载并执行,以实现上述任一所述的智能假肢的肌电匹配阈值的动态调节方法的步骤。
本发明的有益效果:本发明实施例通过计算目标用户当前的专注力值和智能假肢的动作时长,可以预估目标用户当前的专注状态和运动意图,从而动态调节智能假肢的肌电匹配阈值。解决了现有技术中由于肌电信号具有不稳定性和随机性,因此固定的肌电匹配阈值难以保障智能假肢的正常运行的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的智能假肢的肌电匹配阈值的动态调节方法的流程示意图。
图2是本发明实施例提供的智能假肢的肌电匹配阈值的动态调节装置的内部模块示意图。
图3是本发明实施例提供的终端的原理框图。
具体实施方式
本发明公开了一种智能假肢的肌电匹配阈值的动态调节方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。 应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
智能假肢是一款脑机接口技术与人工智能算法高度融合的智能产品。智能假肢可以通过提取佩戴者的神经肌肉信号,识别佩戴者的运动意图,并将运动示意图转化成智能假肢的动作,从而做到灵巧智能。肌电信号匹配是智能假肢应用中的一项关键技术。现有的肌电信号匹配方法采用的是固定的肌电匹配阈值。然而肌电信号会随佩戴者的状态改变而发生变化,因此肌电信号具有不稳定性和随机性,采用固定的肌电匹配阈值难以保障智能假肢的正常运行。
针对现有技术的上述缺陷,本发明提供一种智能假肢的肌电匹配阈值的动态调节方法,所述方法通过获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长;获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同;根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。由于动作时长可以反映智能假肢当前执行动作的时间长短,专注力值可以反映目标用户当前的专注程度,因此通过动作时长和专注力值可以预估肌电信号的波动程度,进而动态调节肌电匹配阈值,从而兼顾匹配精度和匹配成功率,保障智能假肢的正常运行。解决了现有技术中由于肌电信号具有不稳定性和随机性,因此固定的肌电匹配阈值难以保障智能假肢的正常运行的问题。
示例性方法
如图1所示,所述方法包括如下步骤:
步骤S100、获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长。
具体地,本实施例中的目标用户可以为任意一个佩戴智能假肢的用户。当目标用户的大脑产生运动意图时,肌肉会产生对应的肌电信号。智能假肢通过该肌电信号,可以匹配出智能假肢需要执行的目标动作,并确定该目标动作对应的动作时长。动作时长可以反映出目标动作是持续性动作还是瞬时性动作。
在一种实现方式中,所述步骤S200具体包括如下步骤:
步骤S201、根据所述肌电信号,确定实际肌电波形数据;
步骤S202、获取若干标准肌电波形数据,其中,各所述标准肌电波形数据分别对应所述智能假肢的不同动作;
步骤S203、根据所述实际肌电波形数据和各所述标准肌电波形数据,确定目标标准肌电波形数据;
步骤S204、根据所述目标标准肌电波形数据对应的动作的操作时长,确定所述动作时长。
具体地,为了进行肌电信号匹配,本实施例首先需要将肌电信号转化为波形数据,即得到实际肌电波形数据,其可以反映实际肌电强度随时间变化的情况。本实施例预先在智能假肢中存储了不同动作分别对应的标准肌电波形数据,通过将实际肌电波形数据与各标准肌电波形数据进行匹配,可以匹配出与实际肌电波形数据最接近的标准肌电波形数据,即得到目标标准肌电波形数据。通过目标标准肌电波形数据可以确定当前采集的肌电信号对应的目标动作和动作时长。
在一种实现方式中,所述步骤S203具体包括如下步骤:
步骤S2031、根据所述实际肌电波形数据和各所述标准肌电波形数据,确定各所述标准肌电波形数据分别对应的相似度;
步骤S2032、根据所述相似度最高的所述标准肌电波形数据,确定所述目标标准肌电波形数据。
具体地,为了确定与实际肌电波形数据最接近的标准肌电波形数据,本实施例需要计算每个标准肌电波形数据与实际肌电波形数据之间的相似度,相似度越高,表示该标准肌电波形数据与实际肌电波形数据越接近。并选择相似度最高的标准肌电波形数据作为目标标准肌电波形数据。
在一种实现方式中,每一所述标准肌电波形数据对应的所述相似度的确定过程包括:
步骤S20311、根据波峰和波谷分别对该标准肌电波形数据和所述实际肌电波形数据进行分割,得到该标准肌电波形数据对应的前若干第一局部波形数据和所述实际肌电波形数据对应的相等数量的前若干第二局部波形数据;
步骤S20312、根据各所述第一局部波形数据和各所述第二局部波形数据,确定该标准肌电波形数据对应的若干局部相似度,其中,每一所述局部相似度用于反映一对所述第一局部波形数据和所述第二局部波形数据之间的相似程度;
步骤S20313、根据各所述局部相似度,确定该标准肌电波形数据对应的所述相似度。
简单来说,针对每一标准肌电波形数据,若将其与实际肌电波形数据进行整体比对,需要耗费较大的计算开销。因此为了节约计算开销,本实施例仅截取标准肌电波形数据和实际肌电波形数据的局部波形数据进行比对。此外,为了准确计算标准肌电波形数据和实际肌电波形数据之间的相似程度,本实施例针对截取出的两个局部波形数据还需要进行多次局部比对,得到多个局部相似度,再根据各局部相似度综合判定最终的相似度。具体地,本实施例按照时间顺序,采用将波峰和波谷作为分割点。针对标准肌电波形数据,每分割一次即得到一个第一局部波形数据;针对实际肌电波形数据,每分割一次即得到一个第二局部波形数据。标准肌电波形数据和实际肌电波形数据采用相同的分割次数,因此可以得到相等数量的第一局部波形数据和第二局部波形数据,且各第一局部波形数据和各第二局部波形数据一一对应。针对每一对具有对应关系的第一局部波形数据和第二局部波形数据,计算两者之间的相似程度,得到一个局部相似度。最后再根据所有局部相似度计算出标准肌电波形数据和实际肌电波形数据之间的相似度。
在一种实现方式中,每一对所述第一局部波形数据和所述第二局部波形数据对应的所述局部相似度的确定过程包括:
步骤S203121、获取该第一局部波形数据对应的第一有向段,其中,所述第一有向段的起点和终点分别对应该第一局部波形数据的最小值和最大值;
步骤S203122、获取该第二局部波形数据对应的第二有向段,其中,所述第二有向段的起点和终点分别对应该第二局部波形数据的最小值和最大值;
步骤S203123、获取所述第一有向段和所述第二有向段对应的方向偏差值和长度偏差值;
步骤S203124、根据所述方向偏差值和所述长度偏差值,确定该第一局部波形数据和该第二局部波形数据对应的所述局部相似度。
现有的波形数据的比对方法有轮廓比对法和误差能量计算法,但是两者都比较复杂,需要较大的计算开销。因此本实施例提供一种简便的比对方法。具体地,针对第一局部波形数据,从其最小值对应的数据点向最大值对应的数据点绘制一条具有方向属性的直线线段,即得到第一有向段,同理根据第二局部波形数据可得第二有向段。可以理解的是,若第一局部波形数据与第二局部波形数据越相近,则第一有向段和第二有向段的各项属性也会越接近。本实施例主要通过计算第一有向段和第二有向段的方向偏差值和长度偏差值,来判断第一有向段和第二有向段的相似程度,进而计算出第一局部波形数据和第二局部波形数据的局部相似度。
如图1所示,所述方法还包括如下步骤:
步骤S200、获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同。
简单来说,目标用户当前的专注程度会影响肌电信号的波动幅度。当目标用户的专注程度较低时,肌电信号的波动幅度越大,则出现错误的肌电信号的可能性较高;当目标用户的专注程度较高时,肌电信号的波动幅度越小,则出现错误的肌电信号的可能性较低。因此判断目标用户当前的专注程度,对准确调节肌电匹配阈值来说也至关重要。具体地,本实施例需要同步获取目标用户的脑电信号,由于目标用户处于不同专注状态时,其脑电信号的信号特征也不同,因此可以基于其脑电信号确定其当前的专注力值。
在一种实现方式中,所述步骤S200具体包括如下步骤:
步骤S201、根据所述脑电信号,确定所述目标用户对应的脑电强度变化数据;
步骤S202、根据所述脑电强度变化数据,确定若干初始专注力值和各所述初始专注力值分别对应的持续时长,其中,各所述初始专注力值分别对应不同的脑电强度值;
步骤S203、根据各所述初始专注力值分别对应的所述持续时长,确定各所述初始专注力值分别对应的权重值;
步骤S204、根据各所述初始专注力值分别对应的所述权重值,对各所述初始专注力值进行加权求和,得到所述专注力值。
具体地,本实施例首先将获取的脑电信号转化为脑电强度变化数据。由于脑电强度变化数据可以反映目标用户在预设时间段内脑电强度随时间的变化情况,因此通过脑电强度变化数据可以确定不同脑电强度值分别对应的持续时长。目标用户在不同专注程度时,脑电信号的强度是不同的,因此可以预先设定脑电强度值与专注力值的对应关系,则通过该对应关系和脑电强度变化数据,即可确定不同初始专注力值分别对应的持续时长。持续时长越长表示该初始专注力值越稳定,因此根据持续时长确定各初始专注力值分别对应的权重值,然后通过加权求和的方法即可准确确定目标用户当前的专注力值。
如图1所示,所述方法还包括如下步骤:
步骤S300、根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。
具体地,由于动作时长可以反映智能假肢当前执行的是持续性动作还是瞬时性动作。当智能假肢执行持续性动作时,由于动作时长较长,因此肌电信号产生意外波动的可能性较大;反之,动作时长较短,肌电信号相对稳定。而专注力值可以反映目标用户当前的专注程度,当目标用户专注程度较低时,由于注意力不集中,因此肌电信号产生意外波动的可能性较大;反之,目标用户专注程度较高时,由于注意力集中,因此肌电信号相对稳定。由于肌电信号在平稳状态和波动状态下,肌电信号匹配成功的难度不同,因此为了保障智能假肢的正常运行,不宜采用固定的肌电匹配阈值。所以本实施例需要结合动作时长和专注力值,对智能假肢的肌电匹配阈值进行调节。
在一种实现方式中,所述步骤S300具体包括如下步骤:
步骤S301、获取预设的时长阈值和专注力阈值;
步骤S302、当所述动作时长大于所述时长阈值,且所述专注力值小于所述专注力阈值时,对所述肌电匹配阈值进行下调。
具体地,为了判断动作时长的长短和专注力值的高低,本实施例预先设定了时长阈值和专注力阈值。当动作时长大于时长阈值时,表示当前智能假肢执行的目标动作为持续性动作,动作时长较长,肌电信号产生意外波动的可能性较大。当专注力值小于专注力阈值时,表示当前目标用户的专注程度较低,肌电信号产生意外波动的可能性较大。因此当动作时长大于时长阈值,且专注力值小于专注力阈值时,应当对肌电匹配阈值进行下调,以避免肌电信号无法匹配成功。当动作时长小于或者等于时长阈值,表示目标用户当前执行的目标动作为瞬时性动作,动作时长较短,肌电信号相对稳定,产生意外波动的可能性较小。当专注力值大于或者等于专注力阈值时,表示目标用户当前的专注程度较高,肌电信号相对稳定,产生意外波动的可能性较小。因此当动作时长小于或者等于时长阈值,且专注力值大于或者等于专注力阈值时,应当对肌电匹配阈值进行上调,以提高匹配精度。
示例性装置
基于上述实施例,本发明还提供了一种智能假肢的肌电匹配阈值的动态调节装置,如图2所示,所述装置包括:
肌电处理模块01,用于获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长;
脑电处理模块02,用于获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同;
阈值调节模块03,用于根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。
在一种实现方式中,所述肌电处理模块包括:
波形转换单元,用于根据所述肌电信号,确定实际肌电波形数据;
标准获取单元,用于获取若干标准肌电波形数据,其中,各所述标准肌电波形数据分别对应所述智能假肢的不同动作;
数据比对单元,用于根据所述实际肌电波形数据和各所述标准肌电波形数据,确定目标标准肌电波形数据;
时长确定单元,用于根据所述目标标准肌电波形数据对应的动作的操作时长,确定所述动作时长。
在一种实现方式中,所述数据比对单元包括:
相似度计算单元,用于根据所述实际肌电波形数据和各所述标准肌电波形数据,确定各所述标准肌电波形数据分别对应的相似度;
数据择优单元,用于根据所述相似度最高的所述标准肌电波形数据,确定所述目标标准肌电波形数据。
在一种实现方式中,所述相似度计算单元包括:
数据分割单元,用于针对每一标准肌电波形数据,根据波峰和波谷分别对该标准肌电波形数据和所述实际肌电波形数据进行分割,得到该标准肌电波形数据对应的前若干第一局部波形数据和所述实际肌电波形数据对应的相等数量的前若干第二局部波形数据;
局部比对单元,用于根据各所述第一局部波形数据和各所述第二局部波形数据,确定该标准肌电波形数据对应的若干局部相似度,其中,每一所述局部相似度用于反映一对所述第一局部波形数据和所述第二局部波形数据之间的相似程度;
第一综合比对单元,用于根据各所述局部相似度,确定该标准肌电波形数据对应的所述相似度。
在一种实现方式中,所述局部比对单元包括:
第一连线单元,用于针对每一第一局部波形数据,获取该第一局部波形数据对应的第一有向段,其中,所述第一有向段的起点和终点分别对应该第一局部波形数据的最小值和最大值;
第二连线单元,用于针对每一第二局部波形数据,获取该第二局部波形数据对应的第二有向段,其中,所述第二有向段的起点和终点分别对应该第二局部波形数据的最小值和最大值;
偏差计算单元,用于获取所述第一有向段和所述第二有向段对应的方向偏差值和长度偏差值;
第二综合比对单元,用于根据所述方向偏差值和所述长度偏差值,确定该第一局部波形数据和该第二局部波形数据对应的所述局部相似度。
在一种实现方式中,所述脑电处理模块包括:
强度计算单元,用于根据所述脑电信号,确定所述目标用户对应的脑电强度变化数据;
局部分析单元,用于根据所述脑电强度变化数据,确定若干初始专注力值和各所述初始专注力值分别对应的持续时长,其中,各所述初始专注力值分别对应不同的脑电强度值;
权重确定单元,用于根据各所述初始专注力值分别对应的所述持续时长,确定各所述初始专注力值分别对应的权重值;
综合计算单元,用于根据各所述初始专注力值分别对应的所述权重值,对各所述初始专注力值进行加权求和,得到所述专注力值。
在一种实现方式中,所述阈值调节模块包括:
阈值获取单元,用于获取预设的时长阈值和专注力阈值;
阈值下调单元,用于当所述动作时长大于所述时长阈值,且所述专注力值小于所述专注力阈值时,对所述肌电匹配阈值进行下调;
阈值上调单元,用于当所述动作时长小于或者等于所述时长阈值,且所述专注力值大于或者等于所述专注力阈值时,根据第一数值对所述肌电匹配阈值进行上调。
基于上述实施例,本发明还提供了一种终端,其原理框图可以如图3所示。该终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏。其中,该终端的处理器用于提供计算和控制能力。该终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现智能假肢的肌电匹配阈值的动态调节方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端的限定,具体的终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一种实现方式中,所述终端的存储器中存储有一个以上的程序,且经配置以由一个以上处理器执行所述一个以上程序包含用于进行智能假肢的肌电匹配阈值的动态调节方法的指令。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种智能假肢的肌电匹配阈值的动态调节方法,所述方法通过获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长;获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同;根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。由于动作时长可以反映智能假肢当前执行动作的时间长短,专注力值可以反映目标用户当前的专注程度,因此通过动作时长和专注力值可以预估肌电信号的波动程度,进而动态调节肌电匹配阈值,从而兼顾匹配精度和匹配成功率,保障智能假肢的正常运行。解决了现有技术中由于肌电信号具有不稳定性和随机性,因此固定的肌电匹配阈值难以保障智能假肢的正常运行的问题。
应当理解的是,本发明的应用不限于上述的举例,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,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 (10)
1.一种智能假肢的肌电匹配阈值的动态调节方法,其特征在于,所述方法包括:
获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长;
获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同;
根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。
2.根据权利要求1所述的智能假肢的肌电匹配阈值的动态调节方法,其特征在于,所述根据所述肌电信号确定智能假肢对应的目标动作的动作时长,包括:
根据所述肌电信号,确定实际肌电波形数据;
获取若干标准肌电波形数据,其中,各所述标准肌电波形数据分别对应所述智能假肢的不同动作;
根据所述实际肌电波形数据和各所述标准肌电波形数据,确定目标标准肌电波形数据;
根据所述目标标准肌电波形数据对应的动作的操作时长,确定所述动作时长。
3.根据权利要求2所述的智能假肢的肌电匹配阈值的动态调节方法,其特征在于,所述根据所述实际肌电波形数据和各所述标准肌电波形数据,确定目标标准肌电波形数据,包括:
根据所述实际肌电波形数据和各所述标准肌电波形数据,确定各所述标准肌电波形数据分别对应的相似度;
根据所述相似度最高的所述标准肌电波形数据,确定所述目标标准肌电波形数据。
4.根据权利要求3所述的智能假肢的肌电匹配阈值的动态调节方法,其特征在于,每一所述标准肌电波形数据对应的所述相似度的确定过程包括:
根据波峰和波谷分别对该标准肌电波形数据和所述实际肌电波形数据进行分割,得到该标准肌电波形数据对应的前若干第一局部波形数据和所述实际肌电波形数据对应的相等数量的前若干第二局部波形数据;
根据各所述第一局部波形数据和各所述第二局部波形数据,确定该标准肌电波形数据对应的若干局部相似度,其中,每一所述局部相似度用于反映一对所述第一局部波形数据和所述第二局部波形数据之间的相似程度;
根据各所述局部相似度,确定该标准肌电波形数据对应的所述相似度。
5.根据权利要求4所述的智能假肢的肌电匹配阈值的动态调节方法,其特征在于,每一对所述第一局部波形数据和所述第二局部波形数据对应的所述局部相似度的确定过程包括:
获取该第一局部波形数据对应的第一有向段,其中,所述第一有向段的起点和终点分别对应该第一局部波形数据的最小值和最大值;
获取该第二局部波形数据对应的第二有向段,其中,所述第二有向段的起点和终点分别对应该第二局部波形数据的最小值和最大值;
获取所述第一有向段和所述第二有向段对应的方向偏差值和长度偏差值;
根据所述方向偏差值和所述长度偏差值,确定该第一局部波形数据和该第二局部波形数据对应的所述局部相似度。
6.根据权利要求1所述的智能假肢的肌电匹配阈值的动态调节方法,其特征在于,所述根据所述脑电信号确定所述目标用户对应的专注力值,包括:
根据所述脑电信号,确定所述目标用户对应的脑电强度变化数据;
根据所述脑电强度变化数据,确定若干初始专注力值和各所述初始专注力值分别对应的持续时长,其中,各所述初始专注力值分别对应不同的脑电强度值;
根据各所述初始专注力值分别对应的所述持续时长,确定各所述初始专注力值分别对应的权重值;
根据各所述初始专注力值分别对应的所述权重值,对各所述初始专注力值进行加权求和,得到所述专注力值。
7.根据权利要求1所述的智能假肢的肌电匹配阈值的动态调节方法,其特征在于,所述根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节,包括:
获取预设的时长阈值和专注力阈值;
当所述动作时长大于所述时长阈值,且所述专注力值小于所述专注力阈值时,对所述肌电匹配阈值进行下调;
当所述动作时长小于或者等于所述时长阈值,且所述专注力值大于或者等于所述专注力阈值时,根据第一数值对所述肌电匹配阈值进行上调。
8.一种智能假肢的肌电匹配阈值的动态调节装置,其特征在于,所述装置包括:
肌电处理模块,用于获取目标用户对应的肌电信号,根据所述肌电信号确定智能假肢对应的目标动作的动作时长;
脑电处理模块,用于获取所述目标用户的脑电信号,根据所述脑电信号确定所述目标用户对应的专注力值,其中,所述脑电信号和所述肌电信号分别对应的采集时间相同;
阈值调节模块,用于根据所述动作时长和所述专注力值,对所述智能假肢的肌电匹配阈值进行调节。
9.一种终端,其特征在于,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如权利要求1-7中任一所述的智能假肢的肌电匹配阈值的动态调节方法的指令;所述处理器用于执行所述程序。
10.一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述权利要求1-7任一所述的智能假肢的肌电匹配阈值的动态调节方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211038156.XA CN115105270B (zh) | 2022-08-29 | 2022-08-29 | 一种智能假肢的肌电匹配阈值的动态调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211038156.XA CN115105270B (zh) | 2022-08-29 | 2022-08-29 | 一种智能假肢的肌电匹配阈值的动态调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115105270A CN115105270A (zh) | 2022-09-27 |
CN115105270B true CN115105270B (zh) | 2022-11-11 |
Family
ID=83335584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211038156.XA Active CN115105270B (zh) | 2022-08-29 | 2022-08-29 | 一种智能假肢的肌电匹配阈值的动态调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115105270B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449966A (zh) * | 2023-06-20 | 2023-07-18 | 浙江强脑科技有限公司 | 仿生手教具及其控制方法、主控设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111743667A (zh) * | 2020-06-29 | 2020-10-09 | 北京海益同展信息科技有限公司 | 一种假肢控制方法、装置、系统及存储介质 |
CN112773582A (zh) * | 2021-01-20 | 2021-05-11 | 京东数科海益信息科技有限公司 | 一种假肢控制方法、装置、系统及介质 |
JP2021126446A (ja) * | 2020-02-17 | 2021-09-02 | 学校法人 中央大学 | 動作判別装置及び動作判別プログラム |
CN114668563A (zh) * | 2022-05-26 | 2022-06-28 | 深圳市心流科技有限公司 | 一种肌电信号的采样频率的多层级调节方法 |
-
2022
- 2022-08-29 CN CN202211038156.XA patent/CN115105270B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2021126446A (ja) * | 2020-02-17 | 2021-09-02 | 学校法人 中央大学 | 動作判別装置及び動作判別プログラム |
CN111743667A (zh) * | 2020-06-29 | 2020-10-09 | 北京海益同展信息科技有限公司 | 一种假肢控制方法、装置、系统及存储介质 |
CN112773582A (zh) * | 2021-01-20 | 2021-05-11 | 京东数科海益信息科技有限公司 | 一种假肢控制方法、装置、系统及介质 |
CN114668563A (zh) * | 2022-05-26 | 2022-06-28 | 深圳市心流科技有限公司 | 一种肌电信号的采样频率的多层级调节方法 |
Non-Patent Citations (2)
Title |
---|
基于动态阈值的肌电假手动作控制方法研究;喻洪流; 胡加华;《现代科学仪器》;20110615(第3期);第43-45页 * |
李振界 ; 季开来 ; 王旋 ; 吴小玲 ; 段磊.专注度触发假肢运动的新方法.《价值工程》.2015,127-130页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115105270A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113977589B (zh) | 一种手势识别阈值调整方法、装置及存储介质 | |
Jia et al. | Classification of electromyographic hand gesture signals using machine learning techniques | |
CN113986017B (zh) | 一种肌电手势模板的生成方法、装置及存储介质 | |
CN114167995B (zh) | 一种仿生手的手势锁定方法、装置、终端及存储介质 | |
CN115105270B (zh) | 一种智能假肢的肌电匹配阈值的动态调节方法 | |
CN114668563B (zh) | 一种肌电信号的采样频率的多层级调节方法 | |
CN113946225B (zh) | 一种手势锁定方法、智能仿生手、终端以及存储介质 | |
CN110826803A (zh) | 一种电力现货市场的电价预测方法及装置 | |
CN114452054A (zh) | 智能假肢的控制方法、装置、智能假肢及存储介质 | |
CN114041796B (zh) | 一种基于脑电波信号的专注力评估方法、装置及存储介质 | |
CN114217694A (zh) | 一种仿生手及其手势控制方法、服务器及存储介质 | |
CN114625257A (zh) | 一种基于肌电信号的动作识别方法和识别装置 | |
CN111262299A (zh) | 充电器输出电压调节方法、装置、智能终端及介质 | |
CN110720900A (zh) | 一种脑状态监测与调控装置、方法、处理器及终端设备 | |
US20210315525A1 (en) | Methods and systems for mitigating sensor error propagation | |
Liu et al. | A multidimensional feature-driven ensemble model for accurate classification of complex power quality disturbance | |
CN110991640A (zh) | 调料使用量的确定方法、装置和模型优化方法、装置 | |
CN114418026A (zh) | 一种脑电信号识别模型训练方法、识别方法、装置及设备 | |
CN114668564B (zh) | 一种基于肌电信号数据对采样频率进行动态调整的方法 | |
Gao et al. | Eliminating or shortening the calibration for a P300 brain–computer interface based on a convolutional neural network and big electroencephalography data: An online study | |
CN113239171B (zh) | 对话管理系统更新方法、装置、计算机设备及存储介质 | |
CN110751288B (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
US20220036129A1 (en) | Method, device, and computer program product for model updating | |
CN115154837B (zh) | 一种助眠设备的控制方法、装置、终端以及存储介质 | |
CN115204242B (zh) | 一种调整动作模板比对阈值的方法、装置及存储介质 |
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 |