估计关节角度的方法、设备及存储介质与流程

技术特征：
1.一种估计关节角度的方法，其特征在于，包括：获取参考下肢的肌电信号以及待估计下肢的关节振动造影信号；利用关节角度预测模型对所述肌电信号和所述关节振动造影信号进行估计，得到所述待估计下肢的预设关节的预估角度；其中，所述参考下肢和所述待估计下肢不同。2.根据权利要求1所述的方法，其特征在于，所述关节角度预测模型是经过训练之后的；训练所述关节角度预测模型的方式包括：获取一参考训练下肢的肌电信号，另一参考训练下肢的关节振动造影信号，以及所述另一参考训练下肢的预设关节的角度；利用所述关节角度预测模型对所述一参考训练下肢的肌电信号和所述另一参考训练下肢的关节振动造影信号进行估计，得到所述预设关节的预估角度；获取所述预设关节的预估角度与所述预设关节的角度之间的误差，以利用所述误差修改所述关节角度预测模型的参数。3.根据权利要求2所述的方法，其特征在于，所述利用所述关节角度预测模型对所述一参考训练下肢的肌电信号和所述另一参考训练下肢的关节振动造影信号进行估计之前，还包括：将所述一参考训练下肢的肌电信号以及所述另一参考训练下肢的关节振动造影信号进行融合得到融合后的信号；利用预设大小的滑动窗口，按照预设步长对所述融合后的信号进行分割，得到若干批融合子信号，以分批次使用所述融合子信号对所述关节角度预测模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述融合后的信号由若干通道的所述肌电信号和若干通道的所述关节振动造影信号以并排或并列的形式组成；所述滑动窗口的宽度等于所述肌电信号和所述关节振动造影信号的通道数之和；所述利用预设大小的滑动窗口，按照预设步长对所述融合后的信号进行分割，得到若干批融合子信号，包括：所述滑动窗口按照步长为1的方式从所述融合后的信号中的一端向另一端移动，其中，所述滑动窗口在任一位置均覆盖了所述肌电信号所有通道以及所述关节振动造影信号的所有通道。5.根据权利要求2所述的方法，其特征在于，获取下肢的肌电信号，以及获取下肢的关节振动造影信号，包括：使用至少8个传感器分别对下肢中的至少8个肌肉进行测量，得到至少8通道的肌电信号；使用至少1个传感器对下肢中至少1个关节进行测量，得到至少1通道的关节振动造影信号。6.根据权利要求2所述的方法，其特征在于，利用所述关节角度预测模型对肌电信号和关节振动造影信号进行估计之前，包括以下至少一步：将所述肌电信号以及所述关节振动造影信号下采样到预设频率；将所述关节振动造影信号输入低通滤波器进行滤波，以及将所述肌电信号输入高通滤波器和/或陷波滤波器进行滤波；
将所述肌电信号和所述关节振动造影信号分别进行标准化操作以去除信号中的直流分量。7.根据权利要求2所述的方法，其特征在于，所述关节角度预测模型为时序卷积网络模型，所述关节角度预测模型包括并列的两个子网络，其中所述两个子网络的层数不同；利用所述关节角度预测模型对肌电信号和关节振动造影信号进行估计，得到预设关节的预估角度，包括：将所述肌电信号和所述关节振动造影信号并行输入包含若干层卷积层的子网络和包含一层卷积层的子网络；将所述两个子网络的输出结果相加得到相加之后的结果；将所述相加之后的结果输入全连接层，得到所述预设关节的预估角度。8.根据权利要求7所述的方法，其特征在于，所述包含若干层卷积层的子网络中各卷积层中卷积核的膨胀系数不同，其中，所述卷积层的层数增大，所述膨胀系数按照预设倍数增大。9.根据权利要求1
‑
8任一项所述的方法，其特征在于，所述预设关节，包括髋关节，膝关节，踝关节中的至少一者。10.一种电子设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至9任一项所述的方法。11.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至9任一项所述的方法。

技术总结
本申请公开了一种估计关节角度的方法、设备及存储介质。该估计关节角度的方法，包括：获取参考下肢的肌电信号以及待估计下肢的关节振动造影信号；利用关节角度预测模型对肌电信号和关节振动造影信号进行估计，得到待估计下肢的预设关节的预估角度；其中，参考下肢和待估计下肢不同。上述方案，能够提高预设关节的预估角度的准确度。预估角度的准确度。预估角度的准确度。


技术研发人员：王灿 何柏霖 李鹏博 段声才 吴新宇
受保护的技术使用者：中国科学院深圳先进技术研究院
技术研发日：2021.05.27
技术公布日：2021/10/18