CN115192049B - 一种智能假肢的肌电采样频率调节方法 - Google Patents

一种智能假肢的肌电采样频率调节方法 Download PDF

Info

Publication number
CN115192049B
CN115192049B CN202211115244.5A CN202211115244A CN115192049B CN 115192049 B CN115192049 B CN 115192049B CN 202211115244 A CN202211115244 A CN 202211115244A CN 115192049 B CN115192049 B CN 115192049B
Authority
CN
China
Prior art keywords
value
data
action
determining
amplitude 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
Application number
CN202211115244.5A
Other languages
English (en)
Other versions
CN115192049A (zh
Inventor
韩璧丞
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.)
Shenzhen Mental Flow Technology Co Ltd
Original Assignee
Shenzhen Mental Flow Technology Co Ltd
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 Shenzhen Mental Flow Technology Co Ltd filed Critical Shenzhen Mental Flow Technology Co Ltd
Priority to CN202211115244.5A priority Critical patent/CN115192049B/zh
Publication of CN115192049A publication Critical patent/CN115192049A/zh
Application granted granted Critical
Publication of CN115192049B publication Critical patent/CN115192049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • 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
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Transplantation (AREA)
  • Vascular Medicine (AREA)
  • Prostheses (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种智能假肢的肌电采样频率调节方法，所述方法通过获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。本发明根据目标用户完成某项动作对应的动作幅度值，调整目标用户对应的智能假肢的肌电采样频率，有效地解决了现有的肌电采集装置采用固定的高肌电采样频率运行，导致智能假肢产生过多功耗的问题。

Description

一种智能假肢的肌电采样频率调节方法
技术领域
本发明涉及智能控制技术领域，尤其涉及的是一种智能假肢的肌电采样频率调节方法。
背景技术
智能假肢是高集成度、高智能化的机电一体化系统，在残疾人医疗康复等领域有着广泛的应用前景。肌电动作信号是一种复杂的表皮下肌肉活动在皮肤表面处的综合结果，可以用于判断佩戴者的运动意图。因此现有的智能假肢通常需要搭载肌电采集装置才能正常运行。然而由于肌电采集装置通常采用固定的高肌电采样频率运行，因此容易导致智能假肢产生过多功耗。
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采样频率调节方法，旨在解决现有技术中的现有的肌电采集装置通常采用固定的高肌电采样频率运行，因此容易导致智能假肢产生过多功耗的问题。
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采样频率调节方法，其中，所述方法包括：
获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；
根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；
获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。
在一种实施方法中，所述根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值，包括：
根据所述肌电动作信号，确定所述肌电动作信号对应的信号持续时长；
根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值；
根据所述信号持续时长和所述数据波动值，确定所述动作幅度值。
在一种实施方法中，所述根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值，包括：
根据所述惯性测量单元数据，确定若干波形数据，其中，各所述波形数据分别用于反映不同轴的加速度值随时间的变化情况；
获取各所述波形数据分别对应的极值偏差值，根据所述极值偏差值最大的所述波形数据确定目标波形数据，其中，每一所述波形数据对应的所述极值偏差值用于反映该波形数据对应的加速度值的最高值和最低值之间的差距；
根据所述目标波形数据，确定若干局部波形数据，其中，每一所述局部波形数据内各数据点分别对应的加速度值的绝对值均大于预设的加速度阈值；
根据各所述局部波形数据对应的波长总和与所述目标波形数据对应的总波长的比值，确定所述数据波动值。
在一种实施方法中，所述根据所述信号持续时长和所述数据波动值，确定所述动作幅度值，包括：
根据所述信号持续时长，确定第一动作幅度值，其中，所述信号持续时长与所述第一动作幅度值呈正比关系；
根据所述数据波动值，确定第二动作幅度值，其中，所述数据波动值与所述第二动作幅度值呈正比关系；
根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
在一种实施方法中，所述根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值，包括：
获取所述第一动作幅度值和所述第二动作幅度值对应的第一数据偏差值；
获取预设的偏差阈值，当所述第一数据偏差值小于所述偏差阈值时，根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
在一种实施方法中，所述的智能假肢的肌电采样频率调节方法还包括：
当所述第一数据偏差值大于或者等于所述偏差阈值时，获取所述目标用户对应的脑电信号，其中，所述脑电信号和所述肌电动作信号分别对应的采集时间相同；
根据所述脑电信号确定所述目标用户对应的专注力值，根据所述专注力值确定第三动作幅度值；
获取所述第一动作幅度值和所述第三动作幅度值对应的第二数据偏差值，以及所述第二动作幅度值和所述第三动作幅度值对应的第三数据偏差值；
当所述第二数据偏差值小于或者等于所述第三数据偏差值时，根据所述第一动作幅度值和所述第三动作幅度值确定所述动作幅度值；
当所述第二数据偏差值大于所述第三数据偏差值时，根据所述第二动作幅度值和所述第三动作幅度值确定所述动作幅度值。
在一种实施方法中，所述的智能假肢的肌电采样频率调节方法还包括：
获取预设的第二幅度阈值，其中，所述第二幅度阈值小于所述第一幅度阈值；
当所述动作幅度值小于所述第二幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行上调。
第二方面，本发明实施例还提供一种智能假肢的肌电采样频率调节装置，其中，所述智能假肢的肌电采样频率调节装置包括：
数据获取模块，用于获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；
幅度确定模块，用于根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；
频率调节模块，用于获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。
在一种实施方式中，所述幅度确定模块包括：
时长确定单元，用于根据所述肌电动作信号，确定所述肌电动作信号对应的信号持续时长；
波动确定单元，用于根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值；
综合确定单元，用于根据所述信号持续时长和所述数据波动值，确定所述动作幅度值。
在一种实施方式中，所述波动确定单元包括：
波形转换单元，用于根据所述惯性测量单元数据，确定若干波形数据，其中，各所述波形数据分别用于反映不同轴的加速度值随时间的变化情况；
波形筛选单元，用于获取各所述波形数据分别对应的极值偏差值，根据所述极值偏差值最大的所述波形数据确定目标波形数据，其中，每一所述波形数据对应的所述极值偏差值用于反映该波形数据对应的加速度值的最高值和最低值之间的差距；
波形分割单元，用于根据所述目标波形数据，确定若干局部波形数据，其中，每一所述局部波形数据内各数据点分别对应的加速度值的绝对值均大于预设的加速度阈值；
比值确定单元，用于根据各所述局部波形数据对应的波长总和与所述目标波形数据对应的总波长的比值，确定所述数据波动值。
在一种实施方式中，所述综合确定模块包括：
第一动作幅度单元，根据所述信号持续时长，确定第一动作幅度值，其中，所述信号持续时长与所述第一动作幅度值呈正比关系；
第二动作幅度单元，根据所述数据波动值，确定第二动作幅度值，其中，所述数据波动值与所述第二动作幅度值呈正比关系；
动作幅度确定单元，根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
在一种实施方式中，所述动作幅度确定单元包括：
第一数据偏差单元，获取所述第一动作幅度值和所述第二动作幅度值对应的第一数据偏差值；
第一对比单元，获取预设的偏差阈值，当所述第一数据偏差值小于所述偏差阈值时，根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
在一种实施方式中，所述装置还包括幅度筛选模块，所述幅度筛选模块包括：
脑电信号获取单元，当所述第一数据偏差值大于或者等于所述偏差阈值时，获取所述目标用户对应的脑电信号，其中，所述脑电信号和所述肌电动作信号分别对应的采集时间相同；
第三动作幅度单元，根据所述脑电信号确定所述目标用户对应的专注力值，根据所述专注力值确定第三动作幅度值；
第二数据偏差单元，获取所述第一动作幅度值和所述第三动作幅度值对应的第二数据偏差值，以及所述第二动作幅度值和所述第三动作幅度值对应的第三数据偏差值；
第二对比单元，当所述第二数据偏差值小于或者等于所述第三数据偏差值时，根据所述第一动作幅度值和所述第三动作幅度值确定所述动作幅度值；
第三对比单元，当所述第二数据偏差值大于所述第三数据偏差值时，根据所述第二动作幅度值和所述第三动作幅度值确定所述动作幅度值。
在一种实施方式中，所述装置还包括第二频率调节模块，所述第二频率调节模块包括：
阈值获取单元，获取预设的第二幅度阈值，其中，所述第二幅度阈值小于所述第一幅度阈值；
频率上调单元，当所述动作幅度值小于所述第二幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行上调。
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项所述的智能假肢的肌电采样频率调节方法的指令；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，所述指令适用于由处理器加载并执行，以实现上述任一项所述的智能假肢的肌电采样频率调节方法的步骤。
本发明的有益效果：本发明实施例通过获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。本发明根据目标用户完成相应动作的动作幅度值，灵活调整肌电采集装置的肌电采样频率，实现了在节能的同时精准控制智能假肢，解决了现有技术中由于肌电采集装置采用固定的高肌电采样频率运行，导致智能假肢产生过多功耗的问题。
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采样频率调节方法的具体实施方式的流程图。
图2是本发明实施例提供的智能假肢的肌电采样频率调节装置的原理图。
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
本发明公开了一种一种智能假肢的肌电采样频率调节方法，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。
智能假肢是高集成度、高智能化的机电一体化系统，在残疾人医疗康复等领域有着广泛的应用前景。肌电动作信号是一种复杂的表皮下肌肉活动在皮肤表面处的综合结果，可以用于判断佩戴者的运动意图。因此现有的智能假肢通常需要搭载肌电采集装置才能正常运行。然而由于肌电采集装置通常采用固定的高肌电采样频率运行，因此容易导致智能假肢产生过多功耗。
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采样频率调节方法方法，所述方法通过获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。本发明根据用户完成相应动作的动作幅度，灵活调整肌电采集装置的肌电采样频率，实现了在节能的同时精准控制智能假肢，解决了现有技术中由于肌电采集装置采用固定的高肌电采样频率运行，容易导致智能假肢产生过多功耗的问题。
举例说明，假设目标用户A在左手臂上安装了智能假肢，当目标用户A产生一个向上举起左手臂的动作意图时，目标用户A的左手臂上安装的智能假肢中的肌电采集装置能够采集到向上举起左手臂这一动作相应的肌电动作信号。由于不同的肌电动作信号对应不同的动作，不同动作的动作幅度存在差异，因此可以通过肌电动作信号确定目标用户A的动作幅度大小。此外，当目标用户A在完成不同幅度的动作时的姿态信息也存在差异，因此可以获取目标用户A在完成动作时的惯性测量单元数据，通过惯性测量单元数据确定目标用户A的姿态信息，从而确定动作幅度大小。由于肌电动作信号和惯性测量单元数据均可反映目标用户A的动作幅度，因此可以通过结合肌电动作信号和惯性测量单元数据综合确定目标用户A的动作幅度值。本实施例预先设定了第一幅度阈值，当目标用户A的动作幅度值大于第一幅度阈值时，表明目标用户A需要完成的动作幅度较大，由于智能假肢执行大幅度动作需要一定的时长，在该时长内肌电采集装置采集到新的肌电信号的可能性较低，因此可以将目标用户对应的智能假肢的肌电采样频率进行下调，降低智能假肢的功耗。
示例性方法
如图1所示，所述方法包括：
步骤S100、获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同。
简单来说，目标用户可以为任意一个智能假肢的佩戴者。当目标用户需要控制智能假肢执行动作时，会先在大脑中产生动作意图，然后动作意图会转化为肌电信号被智能假肢中的肌电采集装置采集到，即得到肌电动作信号。此外，本实施例还预先在智能假肢上安装了惯性测量单元，以监测智能假肢在基于肌电动作信号执行动作时的姿态变化。
如图1所示，所述方法还包括如下步骤：
步骤S200、根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值。
简单来说，不同的肌电动作信号分别对应不同的动作，不同的动作具有不同的动作幅度，因此可以通过肌电动作信号确定智能假肢的动作幅度。而当智能假肢执行不同动作时，智能假肢的姿态变化也会有所区别，因此可以通过预先设置在智能假肢上的惯性测量单元监测其姿态变化，进而通过姿态变化确定智能假肢的动作幅度。由于肌电动作信号与惯性测量单元数据均可反映智能假肢的动作幅度，因此可以结合肌电动作信号与惯性测量单元数据综合确定智能假肢的动作幅度值，以提高动作幅度值的可靠性和准确性。
在一种实现方式中，所述步骤S200具体包括：
步骤S201、根据所述肌电动作信号，确定所述肌电动作信号对应的信号持续时长；
步骤S202、根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值；
步骤S203、根据所述信号持续时长和所述数据波动值，确定所述动作幅度值。
具体地，本实施例首先获取肌电动作信号对应的信号持续时长，信号持续时长越长，表示智能假肢执行动作的时间越长，则智能假肢的动作幅度越大。然后分析惯性测量单元数据的数据波动情况，得到数据波动值。数据波动值越大时，表示智能假肢执行动作时的姿态变化越大，则智能假肢的动作幅度越大。由于信号持续时长和数据波动值均可反映智能假肢当前的动作幅度，因此可以根据信号持续时长和数据波动值综合确定智能假肢当前的动作幅度值，提高动作幅度值的可靠性和准确性。
在一种实现方式中，所述步骤S202具体包括：
步骤S2021、根据所述惯性测量单元数据，确定若干波形数据，其中，各所述波形数据分别用于反映不同轴的加速度值随时间的变化情况；
步骤S2022、获取各所述波形数据分别对应的极值偏差值，根据所述极值偏差值最大的所述波形数据确定目标波形数据，其中，每一所述波形数据对应的所述极值偏差值用于反映该波形数据对应的加速度值的最高值和最低值之间的差距；
步骤S2023、根据所述目标波形数据，确定若干局部波形数据，其中，每一所述局部波形数据内各数据点分别对应的加速度值的绝对值均大于预设的加速度阈值；
步骤S2024、根据各所述局部波形数据对应的波长总和与所述目标波形数据对应的总波长的比值，确定所述数据波动值。
简单来说，惯性测量单元通常会包括三轴加速度传感器，即x、y、z轴，本实施例根据惯性测量单元数据得到x、y、z轴的加速度随时间的变化信息，进而生成各轴的波形数据。当目标用户执行不同的动作时，每个轴的加速度变化程度是不同的，比如目标用户做出下蹲的动作，那z轴的加速度变化就会比x、y要更明显。本实施例根据各轴中的波形数据的最大值和最小值之间的差值确定各轴的极值偏差值，例如x轴中的波形数据最大值为10，最小值为4，则x轴的极值偏差值为6。每一个轴的极值偏差值即可反映该轴的加速度变化程度。极值偏差值越大，表示加速度变化程度越高。本实施例将极值偏差值最大的波形数据确定为目标波形数据。由于惯性测量单元非常灵敏，目标用户在未执行动作时也可能导致惯性测量单元数据的波动。因此本实施例中预先设定了一个加速度阈值，将目标波形数据中数据点分别对应的加速度值的绝对值与加速度阈值比较，根据大于预设的加速度阈值的波形数据得到若干局部波形数据。通过各局部波形数据的波长总和与目标波形数据的波长总和的比值确定目标波形数据的波动程度，即得到目标波形数据对应的数据波动值。数据波动值越大，表示智能假肢的姿态变化越大，则动作幅度值越大，反之越小。
在一种实现方式中，所述步骤S203具体包括：
步骤S2031、根据所述信号持续时长，确定第一动作幅度值，其中，所述信号持续时长与所述第一动作幅度值呈正比关系；
步骤S2032、根据所述数据波动值，确定第二动作幅度值，其中，所述数据波动值与所述第二动作幅度值呈正比关系；
步骤S2033、根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
简单来说，由于信号持续时长和数据波动值均能够反映智能假肢当前的动作幅度，因此可以基于信号持续时长和数据波动值分别确定一个动作幅度值，即得到第一动作幅度值和第二动作幅度值。再结合第一动作幅度值和第二动作幅度值，综合确定动作幅度值，以提高动作幅度值的准确性和可靠性。
在一种实现方式中，第一动作幅度值和第二动作幅度值都可以通过将信号持续时长和数据波动值分别输入到预先训练好的深度学习网络中学习得到。
在一种实现方式中，所述步骤S2033具体包括：
步骤S20331、获取所述第一动作幅度值和所述第二动作幅度值对应的第一数据偏差值；
步骤S20332、获取预设的偏差阈值，当所述第一数据偏差值小于所述偏差阈值时，根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
具体地，本实施例中通过计算一动作幅度值和第二幅度值之间的差距，得到第一数据偏差值。比如第一动作幅度值和第二动作幅度值分别为5、3，那第一数据偏差值就为2。第一动作幅度值和第二动作幅度值是采用不同的方法计算出的智能假肢当前的动作幅度值，理论上，两者差别不会太大。本实施例预先设定了一个偏差阈值，当第一动作幅度值和第二动作幅度值的偏差值大于或等于偏差阈值时，表明这两个动作幅度值之间的差距过大，其中可能会存在一个不准确的动作幅度值。而当两者的偏差值小于偏差阈值时，则表示两个动作幅度值之间的差距较小，两个动作幅度值应该都是准确的，此时，则可以根据第一动作幅度值和第二动作幅度值综合判定目标用户的动作幅度值。
在一种实现方式中，所述方法还包括：
步骤S10、当所述第一数据偏差值大于或者等于所述偏差阈值时，获取所述目标用户对应的脑电信号，其中，所述脑电信号和所述肌电动作信号分别对应的采集时间相同；
步骤S11、根据所述脑电信号确定所述目标用户对应的专注力值，根据所述专注力值确定第三动作幅度值；
步骤S12、获取所述第一动作幅度值和所述第三动作幅度值对应的第二数据偏差值，以及所述第二动作幅度值和所述第三动作幅度值对应的第三数据偏差值；
步骤S13、当所述第二数据偏差值小于或者等于所述第三数据偏差值时，根据所述第一动作幅度值和所述第三动作幅度值确定所述动作幅度值；
步骤S14、当所述第二数据偏差值大于所述第三数据偏差值时，根据所述第二动作幅度值和所述第三动作幅度值确定所述动作幅度值。
简言之，当第一数据偏差值大于或者等于偏差阈值时，第一动作幅度值和第二动作幅度值可能会存在一个值是不准确的，此时，通过第一动作幅度值和第二动作幅度值确定最终的动作幅度值可能会产生较大的误差，因此需要引入新的参数来替换掉第一动作幅度值和第二动作幅度值中可能出现问题的动作幅度值，从而确定最终的动作幅度值。具体地，本实施例首先通过目标用户的脑电信号确定其当前的专注力值。由于大幅度的肢体动作通常会干扰目标用户的专注力，因此目标用户在执行大幅度动作时专注力值可能比较低。但是小幅度的精细动作通常需要目标用户集中注意力，因此目标用户在执行小幅度动作时专注力值可能比较高。鉴于目标用户当前的专注力值和动作幅度之间具有一定的关联关系，因此本实施例采用目标用户当前的专注力值确定第三动作幅度值。然后获取第三动作幅度值分别与第一动作幅度值、第二动作幅度值之间的数据偏差，其中与第三动作幅度值数据偏差较大的动作幅度值即为可能出现误差的动作幅度值，此时，可以使用第三数据幅度值替换掉可能出现误差的动作幅度值，从而通过第三动作幅度值和与第三动作幅度值偏差较小的动作幅度值确定最终的动作幅度值。
如图1所示，所述方法还包括如下步骤：
步骤S300、获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。
简单来说，当智能假肢执行大幅度动作时所需要的时长较长，目标用户在该时长内产生新的动作意图的可能性较低，因此肌电采集装置能够采集到新的肌电信号的可能性也较低，所以此时可以将目标用户对应的智能假肢的肌电采样频率进行下调，降低智能假肢的功耗。
在一种实现方式中，所述方法还包括：
步骤S20、获取预设的第二幅度阈值，其中，所述第二幅度阈值小于所述第一幅度阈值；
步骤S21、当所述动作幅度值小于所述第二幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行上调。
具体地，当智能假肢的动作幅度值小于第二幅度阈值时，则表明智能假肢当前的动作幅度极小，有可能是在做一些瞬时的、精细的动作。由于瞬时动作通常变化很快，即目标用户在短时间内可能会产生多个不同的运动意图，从而相应地产生多个肌电动作信号，为了能够及时检测到所有的肌电信号，则需要提高肌电采样频率，使得智能假肢能够及时响应目标用户发出的动作指令，提高智能假肢的使用灵敏度。
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采样频率调节装置，如图2所示，所述装置包括：
数据获取模块01，用于获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；
幅度确定模块02，用于根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；
频率调节模块03，用于获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。
在一种实现方式中，所述幅度确定模块包括：
时长确定单元，用于根据所述肌电动作信号，确定所述肌电动作信号对应的信号持续时长；
波动确定单元，用于根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值；
综合确定单元，用于根据所述信号持续时长和所述数据波动值，确定所述动作幅度值。
在一种实现方式中，所述波动确定单元包括：
波形转换单元，用于根据所述惯性测量单元数据，确定若干波形数据，其中，各所述波形数据分别用于反映不同轴的加速度值随时间的变化情况；
波形筛选单元，用于获取各所述波形数据分别对应的极值偏差值，根据所述极值偏差值最大的所述波形数据确定目标波形数据，其中，每一所述波形数据对应的所述极值偏差值用于反映该波形数据对应的加速度值的最高值和最低值之间的差距；
波形分割单元，用于根据所述目标波形数据，确定若干局部波形数据，其中，每一所述局部波形数据内各数据点分别对应的加速度值的绝对值均大于预设的加速度阈值；
比值确定单元，用于根据各所述局部波形数据对应的波长总和与所述目标波形数据对应的总波长的比值，确定所述数据波动值。
在一种实现方式中，所述综合确定模块包括：
第一动作幅度单元，根据所述信号持续时长，确定第一动作幅度值，其中，所述信号持续时长与所述第一动作幅度值呈正比关系；
第二动作幅度单元，根据所述数据波动值，确定第二动作幅度值，其中，所述数据波动值与所述第二动作幅度值呈正比关系；
动作幅度确定单元，根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
在一种实现方式中，所述动作幅度确定单元包括：
第一数据偏差单元，获取所述第一动作幅度值和所述第二动作幅度值对应的第一数据偏差值；
第一对比单元，获取预设的偏差阈值，当所述第一数据偏差值小于所述偏差阈值时，根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
在一种实现方式中，所述装置还包括幅度筛选模块，所述幅度筛选模块包括：
脑电信号获取单元，当所述第一数据偏差值大于或者等于所述偏差阈值时，获取所述目标用户对应的脑电信号，其中，所述脑电信号和所述肌电动作信号分别对应的采集时间相同；
第三动作幅度单元，根据所述脑电信号确定所述目标用户对应的专注力值，根据所述专注力值确定第三动作幅度值；
第二数据偏差单元，获取所述第一动作幅度值和所述第三动作幅度值对应的第二数据偏差值，以及所述第二动作幅度值和所述第三动作幅度值对应的第三数据偏差值；
第二对比单元，当所述第二数据偏差值小于或者等于所述第三数据偏差值时，根据所述第一动作幅度值和所述第三动作幅度值确定所述动作幅度值；
第三对比单元，当所述第二数据偏差值大于所述第三数据偏差值时，根据所述第二动作幅度值和所述第三动作幅度值确定所述动作幅度值。
在一种实现方式中，所述装置还包括第二频率调节模块，所述第二频率调节模块包括：
阈值获取单元，获取预设的第二幅度阈值，其中，所述第二幅度阈值小于所述第一幅度阈值；
频率上调单元，当所述动作幅度值小于所述第二幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行上调。
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采样频率调节方法。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采样频率调节方法的指令。
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采样频率调节方法，所述方法包括：获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调。本发明根据目标用户完成相应动作的动作幅度值，灵活调整肌电采集装置的肌电采样频率，实现了在节能的同时精准控制智能假肢，解决了现有技术中由于肌电采集装置采用固定的高肌电采样频率运行，容易导致智能假肢产生过多功耗的问题。
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 (8)

1.一种智能假肢的肌电采样频率调节方法，其特征在于，所述方法包括：
获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；
根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；
获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调；
所述根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值，包括：
根据所述肌电动作信号，确定所述肌电动作信号对应的信号持续时长；
根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值；
根据所述信号持续时长和所述数据波动值，确定所述动作幅度值；
所述根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值，包括：
根据所述惯性测量单元数据，确定若干波形数据，其中，各所述波形数据分别用于反映不同轴的加速度值随时间的变化情况；
获取各所述波形数据分别对应的极值偏差值，根据所述极值偏差值最大的所述波形数据确定目标波形数据，其中，每一所述波形数据对应的所述极值偏差值用于反映该波形数据对应的加速度值的最高值和最低值之间的差距；
根据所述目标波形数据，确定若干局部波形数据，其中，每一所述局部波形数据内各数据点分别对应的加速度值的绝对值均大于预设的加速度阈值；
根据各所述局部波形数据对应的波长总和与所述目标波形数据对应的总波长的比值，确定所述数据波动值。
2.根据权利要求1所述的智能假肢的肌电采样频率调节方法，其特征在于，所述根据所述信号持续时长和所述数据波动值，确定所述动作幅度值，包括：
根据所述信号持续时长，确定第一动作幅度值，其中，所述信号持续时长与所述第一动作幅度值呈正比关系；
根据所述数据波动值，确定第二动作幅度值，其中，所述数据波动值与所述第二动作幅度值呈正比关系；
根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
3.根据权利要求2所述的智能假肢的肌电采样频率调节方法，其特征在于，所述根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值，包括：
获取所述第一动作幅度值和所述第二动作幅度值对应的第一数据偏差值；
获取预设的偏差阈值，当所述第一数据偏差值小于所述偏差阈值时，根据所述第一动作幅度值和所述第二动作幅度值，确定所述动作幅度值。
4.根据权利要求3所述的智能假肢的肌电采样频率调节方法，其特征在于，所述方法还包括：
当所述第一数据偏差值大于或者等于所述偏差阈值时，获取所述目标用户对应的脑电信号，其中，所述脑电信号和所述肌电动作信号分别对应的采集时间相同；
根据所述脑电信号确定所述目标用户对应的专注力值，根据所述专注力值确定第三动作幅度值；
获取所述第一动作幅度值和所述第三动作幅度值对应的第二数据偏差值，以及所述第二动作幅度值和所述第三动作幅度值对应的第三数据偏差值；
当所述第二数据偏差值小于或者等于所述第三数据偏差值时，根据所述第一动作幅度值和所述第三动作幅度值确定所述动作幅度值；
当所述第二数据偏差值大于所述第三数据偏差值时，根据所述第二动作幅度值和所述第三动作幅度值确定所述动作幅度值。
5.根据权利要求1所述的智能假肢的肌电采样频率调节方法，其特征在于，所述方法还包括：
获取预设的第二幅度阈值，其中，所述第二幅度阈值小于所述第一幅度阈值；
当所述动作幅度值小于所述第二幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行上调。
6.一种智能假肢的肌电采样频率调节装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标用户对应的肌电动作信号和惯性测量单元数据，其中，所述肌电动作信号和所述惯性测量单元数据与分别对应的采集时间相同；
幅度确定模块，用于根据肌电动作信号和所述惯性测量单元数据，确定所述目标用户对应的动作幅度值；
频率调节模块，用于获取预设的第一幅度阈值，当所述动作幅度值大于所述第一幅度阈值时，对所述目标用户对应的智能假肢的肌电采样频率进行下调；
所述幅度确定模块包括：
时长确定单元，用于根据所述肌电动作信号，确定所述肌电动作信号对应的信号持续时长；波动确定单元，用于根据所述惯性测量单元数据，确定所述惯性测量单元数据对应的数据波动值；
综合确定单元，用于根据所述信号持续时长和所述数据波动值，确定所述动作幅度值；
所述波动确定单元包括：
波形转换单元，用于根据所述惯性测量单元数据，确定若干波形数据，其中，各所述波形数据分别用于反映不同轴的加速度值随时间的变化情况；
波形筛选单元，用于获取各所述波形数据分别对应的极值偏差值，根据所述极值偏差值最大的所述波形数据确定目标波形数据，其中，每一所述波形数据对应的所述极值偏差值用于反映该波形数据对应的加速度值的最高值和最低值之间的差距；
波形分割单元，用于根据所述目标波形数据，确定若干局部波形数据，其中，每一所述局部波形数据内各数据点分别对应的加速度值的绝对值均大于预设的加速度阈值；
比值确定单元，用于根据各所述局部波形数据对应的波长总和与所述目标波形数据对应的总波长的比值，确定所述数据波动值。
7.一种终端，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1-5中任一所述的智能假肢的肌电采样频率调节方法的指令；所述处理器用于执行所述程序。
8.一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1-5任一所述的智能假肢的肌电采样频率调节方法的步骤。
CN202211115244.5A 2022-09-14 2022-09-14 一种智能假肢的肌电采样频率调节方法 Active CN115192049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211115244.5A CN115192049B (zh) 2022-09-14 2022-09-14 一种智能假肢的肌电采样频率调节方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211115244.5A CN115192049B (zh) 2022-09-14 2022-09-14 一种智能假肢的肌电采样频率调节方法

Publications (2)

Publication Number Publication Date
CN115192049A CN115192049A (zh) 2022-10-18
CN115192049B true CN115192049B (zh) 2022-12-09

Family

ID=83572722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211115244.5A Active CN115192049B (zh) 2022-09-14 2022-09-14 一种智能假肢的肌电采样频率调节方法

Country Status (1)

Country Link
CN (1) CN115192049B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117462314B (zh) * 2023-11-09 2024-04-09 浙江强脑科技有限公司 阻尼调整方法、装置、智能假肢、终端及存储介质
CN117257282B (zh) * 2023-11-22 2024-04-05 浙江强脑科技有限公司 主动预防摔跤方法、装置、智能假肢、终端及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009122788A1 (ja) * 2008-03-31 2009-10-08 シャープ株式会社 体動測定装置、携帯電話、体動測定装置の制御方法、体動測定装置制御プログラムおよび該プログラムを記録したコンピュータ読み取り可能な記録媒体
RU2593983C1 (ru) * 2015-03-13 2016-08-10 Общество С Ограниченной Ответственностью "Хилби" Способ определения вида двигательной активности человека и устройство для его осуществления
CN108021888A (zh) * 2017-12-05 2018-05-11 电子科技大学 一种跌倒检测方法
CN111222429A (zh) * 2019-12-27 2020-06-02 猫岐智能科技（上海）有限公司 设备故障识别系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4078419B2 (ja) * 2003-06-18 2008-04-23 独立行政法人産業技術総合研究所 ポインティングデバイス
CN101513567B (zh) * 2008-02-22 2012-05-23 上海体育学院 智能化超等长阻力训练及诊断系统
JP2016532468A (ja) * 2013-10-07 2016-10-20 エムシー１０ インコーポレイテッドＭｃ１０，Ｉｎｃ． 検知および分析のためのコンフォーマルセンサシステム
CN104383637B (zh) * 2014-12-09 2015-12-02 北京银河润泰科技有限公司 一种培训辅助设备和培训辅助方法
JP2016123473A (ja) * 2014-12-26 2016-07-11 カシオ計算機株式会社 脈波測定装置、および脈波測定装置の駆動制御方法
WO2016149832A1 (en) * 2015-03-26 2016-09-29 GestureLogic Inc. Systems, methods and devices for exercise and activity metric computation
US10282914B1 (en) * 2015-07-17 2019-05-07 Bao Tran Systems and methods for computer assisted operation
CN107126303A (zh) * 2017-02-15 2017-09-05 上海术理智能科技有限公司 一种基于手机app的上下肢运动辅助方法
CN109901700A (zh) * 2017-12-10 2019-06-18 广州映博智能科技有限公司 一种新的手势识别方法
CN109044330A (zh) * 2018-06-11 2018-12-21 上海交通大学 一种基于单臂的心电、表面肌电和惯性信息联合采集装置
CN109623835B (zh) * 2018-12-05 2023-08-29 济南大学 基于多模态信息融合的轮椅机械手系统
US11803241B2 (en) * 2019-06-21 2023-10-31 Rehabilitation Institute Of Chicago Wearable joint tracking device with muscle activity and methods thereof
JP7184731B2 (ja) * 2019-11-15 2022-12-06 Kddi株式会社 左右対称に取得した生体信号の偏りを検知する生体信号処理装置、プログラム及び方法
KR102396232B1 (ko) * 2019-12-27 2022-05-11 (주)제이엘케이 전완부 근전도와 관성 정보를 이용한 전동 의수를 제어하는 방법 및 시스템
CN113021349A (zh) * 2021-03-24 2021-06-25 季华实验室 远程操作控制方法及装置、系统、设备、存储介质
CN114452054A (zh) * 2022-02-23 2022-05-10 深圳市心流科技有限公司 智能假肢的控制方法、装置、智能假肢及存储介质
CN114652493B (zh) * 2022-05-25 2022-08-30 深圳市心流科技有限公司 一种肌电信号控制方法、装置、肌电设备、存储介质
CN114668564B (zh) * 2022-05-26 2022-09-20 深圳市心流科技有限公司 一种基于肌电信号数据对采样频率进行动态调整的方法
CN114683292B (zh) * 2022-06-01 2022-08-30 深圳市心流科技有限公司 肌电设备的采样频率控制方法、智能仿生手及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009122788A1 (ja) * 2008-03-31 2009-10-08 シャープ株式会社 体動測定装置、携帯電話、体動測定装置の制御方法、体動測定装置制御プログラムおよび該プログラムを記録したコンピュータ読み取り可能な記録媒体
RU2593983C1 (ru) * 2015-03-13 2016-08-10 Общество С Ограниченной Ответственностью "Хилби" Способ определения вида двигательной активности человека и устройство для его осуществления
CN108021888A (zh) * 2017-12-05 2018-05-11 电子科技大学 一种跌倒检测方法
CN111222429A (zh) * 2019-12-27 2020-06-02 猫岐智能科技（上海）有限公司 设备故障识别系统

Also Published As

Publication number Publication date
CN115192049A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN115192049B (zh) 一种智能假肢的肌电采样频率调节方法
US20160328642A1 (en) Sensor signal processing using an analog neural network
CN114167995B (zh) 一种仿生手的手势锁定方法、装置、终端及存储介质
CN114668563B (zh) 一种肌电信号的采样频率的多层级调节方法
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
CN114652493B (zh) 一种肌电信号控制方法、装置、肌电设备、存储介质
CN114224364A (zh) 用于专注力训练的脑电波信号处理方法、装置及存储介质
CN114191684B (zh) 基于脑电的睡眠控制方法、装置、智能终端及存储介质
CN117423452A (zh) 一种用于评估帕金森病情的电子设备
CN113645901A (zh) 评估肌肉疲劳
CN114676737B (zh) 一种肌电信号的采样频率的动态调节方法
CN115105270B (zh) 一种智能假肢的肌电匹配阈值的动态调节方法
CN113515967B (zh) 运动意图识别模型生成方法、装置、设备及存储介质
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
CN113985949B (zh) 智能假肢的温度控制方法、智能假肢、终端及存储介质
CN113647909B (zh) 睡眠指标监测方法、电子装置、装置及可读存储介质
Sava et al. Feed-forward and recurrent inhibition for compressing and classifying high dynamic range biosignals in spiking neural network architectures
CN117275723B (zh) 一种早期帕金森病预测方法、装置及系统
CN115154837B (zh) 一种助眠设备的控制方法、装置、终端以及存储介质
KR20220093913A (ko) 사지분석 재활 시스템
Vu et al. Utilizing Flex Sensors for the Evaluation of Parkinson's Disease.
CN115251957A (zh) 一种逐级调整采样频率的方法、装置及存储介质
Piccardi¹ et al. Check for updates
Su et al. Real-time Detection of Parkinson’s States based on Wearable Sensor with Embedded Machine Learning

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