肌电信号的踝关节动作预测方法的研究.pdfVIP

高技术通讯2010年第20卷第11期：1173～1177 doi：10．3rr2d．i鲫．1(I／2-0470．2010．11．013 一种基于肌电信号的踝关节动作预测方法的研究① 王震②’ 张震③。 姚松丽” 章亚男。 钱晋武。 (+上海大学机电工程与自动化学院上海200072) (“上海工程技术大学机械工程学院 上海201620) 摘要进行了使用肌电信号预测关节动作的研究，提出了一种基于肌电信号的预测踝 关节动作的方法。首先，选取与踝关节动作相关的5块肌肉(胫骨前肌、腓肠内肌、腓肠外 肌、腓骨长肌和比日鱼肌)以及踝关节角作为研究对象，采集这5块肌肉的肌电信号和踝 关节角信号，并进行特征提取和归一化处理。然后，建立了一个四层前向神经网络模型， 使用误差逆向传播(BP)算法进行训练。最后，神经网络预测输出值经过六层小波去噪处 理。实验中，9名志愿者的踝关节在矢状面内做有规律的背屈和跖屈动作，采集踝关节角 和上述5块肌肉表面肌电信号，然后用上述方法预测踝关节动作，用相关系数评价预测的 效果。实验结果显示，所提出的方法可以准确预测踝关节动作。 关键词肌电(EMG)信号，神经网络，BP算法，踝关节，小波去噪 指关节角度，进而辨识手部动作。由于下肢运动复 0引言 杂，涉及的肌肉较多，所以相关的研究较少。在文献 人体的每一个动作都是由中枢神经系统控制肌 力之间的映射关系，以此来控制膝关节外骨骼的动 肉收缩实现的，而在肌肉收缩的过程中，就会有肌电 作。lee等人[7J用神经网络估计膝关节力矩并以此 (electromyography，EMG)信号产生【lJ。EMG信号是动识别由坐到起立的动作。Lloyd等人【8J尝试用与膝 作实现过程中肌肉收缩产生的生物电信号，它包含 关节相关的13块肌肉的EMG信号估计膝关节转 了肌肉收缩所现实的动作的信息，反映了人体的动作 矩。但是，肌肉产生的力和转矩不容易检测，而关节 意愿。从人体骨骼肌表面记录下来的EMG信号，被 角度信号比较容易测量，并且关节角度体现了动作 称为表面肌电(surface 变化。而动作是由EMG信号产生的，所以关节角度 electromyography，sEMG)信号。 近年来，国内外对基于sEMG信号的人体动作与EMG信号也有对应关系。如果能够建立sEMG 信号与关节角度的映射关系，那么就可以用sEMG 辨识的研究越来越多。Suryanarayanan[2|、Ryu[3I、 ‰il【a_wa【4|、Ⅺta删瑚【5J等人尝试用sEMG信号估计信号预测进而控制康复机器人或外骨骼的动作，实 现康复训练。 或辨识人体上肢的动作。Suryanarayanan等人【2J研 究了基于神经网络用肱二头肌的sEMG信号估计肘 本文主要研究一种基于EMG信号预测踝关节 关节角，但是其估计值与测量值之间的误差达到 动作的方法，即基于sEMG信号用神经网络预测踝 关节角度，输出信号再经过小波去噪处理以此来提 20％，并不理想。Ryu等人L3J基于神经网络用手臂 上4块肌肉的EMG信号来估计连续的腕关节角度，高预测精度。 以实现预测l自由度的腕关节动作。Yoshikawa等 1 人HJ建立了一个EMG信号与关节角之间的线性模 方法 型，通过EMG信号得到对应的关节角度，可用于估 计连续变化的手的姿态。Kitamura等人【5J建立了一 踝关节可以实现脚踝的背屈与跖屈、外翻与内 个多重线性回归模型，用手部肌肉的sEMG预测手翻等动作。这些动作涉及的肌肉有很多，包括胫骨 @男。984年生，硕士；研究方