一种肌电动作识别和肌肉疲劳监测手环及其监测方法与流程

本发明涉及手环领域，尤其涉及一种肌电动作识别和肌肉疲劳监测手环及其监测方法。

背景技术：

1、随着人机交互和肢体康复监测技术不断发展，基于表面肌电信号的动作识别设备得到广泛研究，肌电手环可无创采集前臂肌肉电信号，在康复训练和智能穿戴控制场景具备广阔应用前景；当前市面上主流消费级智能手环大多不支持高精度表面肌电信号检测且肌电采集装置在实际使用过程中仍存在诸多难以克服的缺陷。

2、现有技术中，表面肌电信号极易受到环境与运动条件干扰，采集过程中易引入工频电磁干扰以及肢体活动带来的运动伪影，造成原始信号信噪比降低，信号失真问题突出影响后续动作识别结果可靠性；传统肌电采集普遍采用湿电极结构，使用时需要涂抹导电膏，长时间佩戴后导电介质逐渐干涸，易引发皮肤干燥、瘙痒和过敏等不适症状；干电极方案缺少可靠的贴合结构，手环佩戴过程中电极容易相对皮肤滑移，无法满足长时间连续监测需求；多数识别方案仅依托肌电单一信号进行动作判定，并且当肌肉进入持续发力产生疲劳状态时，肌电信号幅值发生明显改变。

3、因此，针对现有技术的不足提出一种佩戴舒适、能够抑制信号干扰、精准识别目标动作的肌电手环以及肌电动作识别和肌肉疲劳监测方法。

技术实现思路

1、本发明提供了一种肌电动作识别和肌肉疲劳监测手环及其监测方法，其主要目的在于解决现有技术中手环抗干扰能力弱、佩戴贴合稳定性差、手势动作识别精度低和肌肉疲劳监测结果不准确的技术问题。

2、为达到上述目的，本发明提供的一种肌电动作识别和肌肉疲劳监测手环，包括表盘和与所述表盘连接的表带，所述表带朝向皮肤的内侧设有用于采集表面肌电信号的肌电采集电极；所述表盘内部设置主控电路板，所述主控电路板上集成有主控芯片和用于采集手腕运动数据的六轴惯性测量单元，所述六轴惯性测量单元包含加速度计和陀螺仪；所述主控芯片分别与所述肌电采集电极和所述六轴惯性测量单元电连接，所述主控芯片接收所述肌电采集电极获取的原始表面肌电信号和所述六轴惯性测量单元获取的手腕运动数据，经预处理后进行特征提取和动作状态判定获得肌肉动作识别结果和肌肉疲劳状态评估结果。

3、可选地，所述肌电采集电极采用多通道阵列式电极。

4、可选地，所述表盘上设有触摸显示屏，所述触摸显示屏与所述主控芯片电连接，接收所述肌肉动作识别结果与所述肌肉疲劳状态评估结果并进行可视化显示。

5、可选地，所述表带朝向皮肤的内侧还设有自适应弹性支架。

6、为了解决上述问题，本发明还提供一种肌电动作识别和肌肉疲劳监测方法，该方法包括：

7、通过肌电采集电极采集原始表面肌电信号，通过六轴惯性测量单元采集手腕运动数据；所述手腕运动数据包括手腕摆动方向加速度变化量和姿态角速度；

8、对所述原始表面肌电信号通过高通滤波、陷波器滤波、全波整流和滑动平均滤波获得目标表面肌电信号，对所述目标表面肌电信号进行特征提取获得用于表示肌肉激活程度的时域特征并计算用于表示肌肉疲劳度的积分肌电值；

9、根据所述时域特征和所述手腕运动数据判断肌肉动作，根据所述积分肌电值的持续变化趋势判定肌肉疲劳状态。

10、可选地，对所述原始表面肌电信号通过高通滤波、陷波器滤波、全波整流和滑动平均滤波获得目标表面肌电信号并对所述目标表面肌电信号进行特征提取的过程包括：

11、根据预设截止频率的滤波器对所述原始表面肌电信号进行高通滤波处理；

12、选择对应的窄带滤波器对高通滤波后的原始肌电信号进行陷波处理获得表面肌电信号；

13、对所述表面肌电信号进行全波整流处理，将所述表面肌电信号全部转换为正向幅值信号获得整流后表面肌电信号，对所述整流后表面肌电信号通过预设滤波窗口宽度进行滑动平均滤波获得目标表面肌电信号；

14、根据预设长度的信号分析窗口选取所述目标表面肌电信号上的采样点并获取采样点处的肌电幅值，基于所述肌电幅值计算包括均方根值、过零点数和斜率符号变化数的时域特征，并对采样点的肌电幅值进行时域积分运算获得积分肌电值。

15、可选地，根据所述均方根值和所述手腕运动数据中手腕摆动方向加速度变化量判断握拳动作，基于所述积分肌电值的持续变化趋势判定肌肉疲劳状态的过程包括：

16、根据所述手腕运动数据中的所述姿态角速度对所述手腕摆动方向加速度变化量进行偏移校正获得手腕空间姿态特征；将所述时域特征和所述手腕空间姿态特征拼接融合获得融合特征向量，输入预训练的肌肉动作分类识别模型后输出肌肉动作识别结果；当所述积分肌电值持续上升且上升持续时间超过预设时间时判定肌肉进入疲劳状态，反之则判定为非疲劳状态。

17、可选地，肌肉动作分类识别模型的预训练过程包括：

18、获取训练样本集，所述训练样本集包括多个样本，每个样本包含一个针对目标表面肌电信号对应肌肉动作的融合特征向量；所述样本以动作类别真实值为标签；所述融合特征向量由时域特征和手腕空间姿态特征拼接融合获得；

19、采用所述训练样本集对初始肌肉动作分类识别模型训练；所述初始肌肉动作分类识别模型包括特征归一化模块、多分支特征融合模块和分类映射输出模块；所述多分支特征融合模块包含肌电特征编码层、姿态特征编码层和交叉注意力融合层；所述特征归一化模块对融合特征向量进行归一化处理后，通过所述肌电特征编码层对肌电时域特征进行独立特征压缩编码得到肌电特征向量，通过所述姿态特征编码层对手腕空间姿态特征进行编码得到姿态特征向量，所述交叉注意力融合层对肌电特征向量和姿态特征向量进行跨模态注意力加权融合获得融合强化特征向量，输入分类映射输出模块输出肌肉动作类别预测值；

20、通过所述肌肉动作类别预测值和所述肌肉动作类别真实值构建交叉熵损失函数，以最小化所述交叉熵损失函数为目标对所述初始肌肉动作分类识别模型进行参数更新获得所述肌肉动作分类识别模型。

21、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

22、至少一个处理器；以及，

23、与所述至少一个处理器通信连接的存储器；其中，

24、所述存储器有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行以实现上述所述的肌电动作识别和肌肉疲劳监测方法。

25、为了解决上述问题，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任意一项所述的上述所述的肌电动作识别和肌肉疲劳监测方法。

26、本发明的有益效果在于：

27、本发明提供一种肌电动作识别和肌肉疲劳监测手环及其监测方法，将表面肌电信号采集与六轴惯性测量单元结合实现多维度生理与运动数据的深度融合，克服了单一传感器在复杂运动场景下识别率低和易受干扰的缺陷，提升了动作识别的准确性，并能够实时准确反馈肌肉疲劳状态；采用多通道阵列式电极配合自适应弹性支架设计，确保了电极与皮肤的紧密贴合，降低运动伪影干扰并提升了信号采集质量与佩戴舒适度；通过预处理、特征提取和动作状态判定步骤，实现对肌电动作的精准识别和肌肉疲劳状态的精准评估。

28、本发明的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。

29、本领域技术人员将会理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。