一种基于单肌电传感器识别多动作的方法、装置以及存储介质

1.本发明涉及计算机处理领域，尤其涉及一种基于单肌电传感器识别多动作的方法、装置以及存储介质。


背景技术：

2.表面肌电信号反映了人体肌肉活动及出力情况，不同动作所涉及的肌肉种类及表面肌电信号也不同。目前有不少研究者研究从表面肌电信号识别人体运动意图，并且广泛应用于脑卒中患者康复训练、肢体残疾人控制义肢等方面。
3.但目前通过表面肌电信号识别人体运动意图的各类方法存在识别的动作种类有限，参数数值因人而异，且运动意图识别准确率较低的问题，因此，现有的方案并不特别适合动作丰富且精细的肢体。


技术实现要素：

4.本发明实施例提供了一种基于单肌电传感器识别多动作的方法、装置以及存储介质，解决了目前的技术方案中存在的识别动作种类少，准确率低的问题。
5.为了解决上述技术问题，本发明：
6.第一方面，提供了一种基于单肌电传感器识别多动作的方法，该方法包括：
7.基于表面肌电传感器采集肌电信号；
8.基于所述肌电信号，实时滑窗提取积分特征信号；
9.根据所述积分特征信号与阈值确定标识电码；
10.根据所述标识电码确定对应的动作。
11.在第一方面的一些实现方式中，所述根据所述积分特征信号与阈值确定标识电码，包括：
12.根据所述积分特征信号的幅值与阈值确定脉冲编码信号；
13.根据所述脉冲编码信号中相邻下降沿和上升沿，确定脉冲的长度；
14.基于所述脉冲的长短确定标识电码。
15.在第一方面的一些实现方式中，所述基于所述脉冲的长度确定标识电码，包括：
16.当所述脉冲的长度大于或等于第一预设长度时，所述脉冲对应的编码为第一电码；
17.当所述脉冲的长度小于第一预设长度时，所述脉冲对应的编码为第二电码。
18.在第一方面的一些实现方式中，所述标识电码为摩斯编码，包括第一电码和第二电码中的至少一种；
19.所述根据所述标识电码确定对应的动作，包括：
20.根据所述标识电码中第一电码和第二电码的个数以及对应的顺序，确定对应的动作。
21.在第一方面的一些实现方式中，当发生下降沿后的预设时间内脉冲编码信号一直为0时，根据标识电码与预设的动作对应关系确定对应的动作。
22.第二方面，提供了一种基于单肌电传感器识别多动作的装置，该装置包括：
23.采集模块，用于基于表面肌电传感器采集肌电信号；
24.提取模块，用于基于所述肌电信号，实时滑窗提取积分特征信号；
25.处理模块，用于根据所述积分特征信号与阈值确定标识电码；
26.所述处理模块，还用于根据所述标识电码确定对应的动作。
27.在第二方面的一些实现方式中，所述处理模块，还用于根据所述积分特征信号的幅值与阈值确定脉冲编码信号；
28.根据所述脉冲编码信号中相邻下降沿和上升沿，确定脉冲的长度；
29.基于所述脉冲的长短确定标识电码。
30.在第二方面的一些实现方式中，处理模块，还用于当所述脉冲的长度大于或等于第一预设长度时，确定所述脉冲对应的编码为第一电码；
31.当所述脉冲的长度小于第一预设长度时，确定所述脉冲对应的编码为第二电码。
32.在第二方面的一些实现方式中，所述标识电码为摩斯编码，包括第一电码和第二电码中的至少一种；
33.所述处理模块，还用于根据所述标识电码中第一电码和第二电码的个数以及对应的顺序，确定对应的动作。
34.第三方面，提供了一种计算机存储介质，该计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时第一方面以及第一方面的一些实现方式中所述的方法。
35.本发明实施例提供了一种基于单肌电传感器识别多动作的方法、装置以及存储介质，可以提高识别动作的种类和准确率。
附图说明
36.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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。
37.图1是本发明实施例提供的一种基于单肌电传感器识别多动作的方法的流程示意图；
38.图2是本发明实施例提供的一种表面肌电信号传感器测量的示意图；
39.图3是本发明实施例提供的一种标识电码与预设的动作对应关系示意图；
40.图4是本发明实施例提供的另一种基于单肌电传感器识别多动作的方法的流程示意图；
41.图5是本发明实施例提供的一种表面肌电信号编码示意图；
42.图6是本发明实施例提供的一种基于单肌电传感器识别多动作的装置的结构示意图；
43.图7是本发明实施例提供的一种计算设备的结构图。
具体实施方式
44.下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
45.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
46.表面肌电信号反映了人体肌肉活动及出力情况，不同动作所涉及的肌肉种类及表面肌电信号也不同。目前有不少研究者研究从表面肌电信号识别人体运动意图，并且广泛应用于脑卒中患者康复训练、肢体残疾人控制义肢等方面。
47.目前，通过表面肌电信号识别人体运动意图有三类方法。第一类方法是阈值法，当表面肌电信号超过某一阈值时，则认为这一动作发生了。这种方法的优点是简单，缺点是能够识别的动作种类非常有限，一般最多四种动作。第二类方法是基于人体肢体生物力学模型和肌肉模型，建立从表面肌电信号到关节力/关节角度的数学模型。这种方法的优点是具有较为完整的数学模型表达和较好的生物力学机理支撑，然而，其存在大量的参数数值因人而异，且运动意图识别准确率较低。第三类方法是基于人工智能方法，这一类方法通过人工智能方法(机器学习方法或深度学习方法)建立表面肌电信号特征信号到动作集合的映射模型。这种方法是目前最常见也广泛采用的，具有较好的准确率。然而，其缺点在于计算复杂度较高，从而对于运算硬件要求较高。而且，很难通过单一传感器识别多种动作。
48.综上，目前通过表面肌电信号识别人体运动意图的各类方法都存在一些不足。
49.然而，通过表面肌电信号识别人体运动意图意义重大，其能够很好地反映人体肌肉状态，并且与人体真实的运动控制状态非常接近。因此，探究如何从表面肌电信号快速准确地识别人体运动意图具有重要的研究意义和应用价值。
50.正如以上论述，目前现有技术存在以下问题
51.1)现有技术采用多个表面肌电传感器识别少量动作。
52.由于现有技术通过选取与动作集合密切相关的主要肌肉作为主要信号采集目标，而多个动作组成的动作集合必然与众多主要肌肉相关。现有技术多通过3个表面肌电信号传感器识别6个手部动作，或者2个表面肌电信号传感器识别4～5个手部动作。通过人工智能方法(机器学习或深度学习方法)映射表面肌电信号特征信号到对应动作类别。因此，现有技术采用多个表面肌电传感器却只能识别少量动作。
53.2)现有技术采用复杂的机器学习和深度学习方法，计算量大。
54.由于基于人体肢体生物力学模型和肌肉模型方法存在大量的参数需要辨识，而阈值法能够识别的动作非常有限。因此，现有技术多采用复杂的机器学习或深度学习方法将
表面肌电信号特征信号映射到不同动作。然而，机器学习方法或深度学习方法需要较大的样本数作为训练样本，生成训练好的映射模型，进而采用这一相对计算复杂的映射模型用于计算得到对应的动作类型。
55.3)现有技术对人类个体、人体姿势和传感器粘贴位置有一致性要求。
56.由于现有技术通过选取与动作集合密切相关的主要肌肉作为主要信号采集目标，并且需要较大的样本数作为训练样本，生成训练好的映射模型。同一个人不同姿势、不同肌肉位置都将使得采集得到的表面肌电信号存在一定差别。当采用存在一定差别的新的表面肌电信号输入到训练好的映射模型时，这一差别将较大程度影响识别准确率。因此，现有技术对人类个体、人体姿势和传感器粘贴位置有一致性要求。
57.本发明所公开的方法，可以解决以上论述的现有技术存在的问题。可以通过1个表面肌电传感器实时识别多种(10)种手部/腕部意向动作，采用摩斯编码方法，区别于现有技术的三大类方法。
58.下面结合附图对本发明实施例提供的技术方案进行描述。
59.图1为本发明公开的一种基于单肌电传感器识别多动作的方法的流程示意图，如图1所示，基于单肌电传感器识别多动作的方法可以包括：
60.s101：基于表面肌电传感器采集肌电信号。
61.s102：基于肌电信号，实时滑窗提取积分特征信号。
62.s103：根据积分特征信号与阈值确定标识电码。
63.s104：根据标识电码确定对应的动作。
64.在一个实施方式中，在s103根据积分特征信号与阈值确定标识电码的过程中，根据积分特征信号与阈值确定标识电码，可以包括：
65.根据积分特征信号的幅值与阈值确定脉冲编码信号；
66.根据脉冲编码信号中相邻下降沿和上升沿，确定脉冲的长度；
67.基于脉冲的长短确定标识电码。
68.在一个具体的实施方式中，如图2所示，本发明可以选用人体前臂尺侧腕屈肌作为单表面肌电信号传感器测量对应的肌肉。具体地，对于前臂截肢患者，可选用肱二头肌。对于上臂截肢患者，可选用胸大肌。
69.在一个实施方式中，基于所述脉冲的长度确定标识电码，包括：
70.当所述脉冲的长度大于或等于第一预设长度时，所述脉冲对应的编码为第一电码，例如，长电码(
━
)；
71.当所述脉冲的长度小于第一预设长度时，所述脉冲对应的编码为第二电码，例如，短电码(.)。
72.在一个实施方式中，所述标识电码为摩斯编码，包括第一电码和第二电码中的至少一种；
73.所述根据所述标识电码确定对应的动作，包括：
74.根据所述标识电码中第一电码和第二电码的个数以及对应的顺序，确定对应的动作。
75.表1为26个字母的摩斯编码表，表2为10个数字的摩斯编码表。从中可知，最长的编码为字符0，对应电码符号：
━━━━━
。考虑到实时性，本发明只选用摩斯编码中的部分，
如表3所示。一般2个短电码 (.)长度约小于等于1个长电码(
━
)长度。因此，本发明所选用的10 种摩斯编码最长长度为2个长电码(
━
)长度，约1秒，最短长度为1个短电码(.)长度，约0.2秒，从而保证具有较好的实时性。
76.表1-26个字母摩斯编码
77.字符电码符号字符电码符号字符电码符号字符电码符号a.b-...c-.-.d-..e.f..-.g
‑‑
.h....i..j.
‑‑‑
k-.-l.-..m
‑‑
n-.o
‑‑‑
p.
‑‑
.q
‑‑
.-r.-.s...t-u..-v...-w.
‑‑
x-..-y-.
‑‑z‑‑
..
ꢀꢀꢀꢀ
78.表2-10个字母摩斯编码
79.字符电码符号字符电码符号字符电码符号字符电码符号0
‑‑‑‑‑
1.
‑‑‑‑
2..
‑‑‑
3...
‑‑
4....-5.....6-....7
‑‑
...8
‑‑‑
..9
‑‑‑‑
.
ꢀꢀꢀꢀ
80.表3-本发明选用的10个摩斯编码
81.短长短短短长长短
·-···
‑‑
·
长长短短短短短长短长短长短短
‑‑
·····-·-·-··
82.在一个实施例中，当发生下降沿后的预设时间内脉冲编码信号一直为 0时，根据标识电码与预设的动作对应关系确定对应的动作。
83.具体地，图3为根据标识电码与预设的动作对应关系，即摩斯编码与人体手部/腕部动作对应图。如图3所示，图中人体10个手部/腕部动作分别为握拳、单指、双指、三指、四指、五指、旋前、旋后、腕屈、腕伸。当然，图中所示的摩斯编码与人体手部/腕部动作对应关系可根据个人喜好更改。
84.图4是本发明公开的另一种基于单肌电传感器识别多动作的方法的流程示意图，基于图4中所提的方法流程，结合上述实施例中的陈述，程序开始时，初始化相关参数。单个表面肌电信号传感器采集表面肌电信号的同时，实时滑窗提取积分特征信号，根据积分特征信号幅值做等比例缩放和阈值判定。当超过设定的阈值时候，则做脉冲编码，反之则为0。接着根据脉冲编码信号，实时提取上升沿和下降沿，获得相邻下降沿和上升沿的索引距离，判断脉冲长短。根据脉冲长短，将其分别编码为长电码(
━
) 和短电码(.)，如图5所示。由于需要实时判断当前动作是否结束，因此，设定在下降沿后timelen个数据后，如果脉冲编码信号一直为0，则认为当前动作结束，获得当前动作的长间隔索引。再根据图3所示摩斯编码与人体手部/腕部动作对应图判断当前动作。因此，本发明方法可在当前动作结束后的timelen个数据后判断得到当前动作。一般在采样率为1000hz 时，可设置timelen为450，即
0.45秒。
85.这里需要特别提示的是，由于算法本身通过各种条件判断当前动作，因此，在上升沿和下降沿提取过程、获得相邻下降沿和上升沿的索引距离、判断脉冲长短、在下降沿后timelen个数据后获得长间隔索引、动作判断这几个过程都需要设置标志位，用于防止重复判断。再者，算法未用到人工智能方法，因此，并不需要提前获取大量的训练数据，计算速度快，可采用嵌入式硬件实现本算法，极大拓展了本算法的应用场景。
86.本发明专利相对于已有技术的优点如下：
87.1)由于采用摩斯编码，所以可通过1个表面肌电传感器在1-2秒内的多次长电码(
━
)和短电码(.)组合，实现10个动作的识别。考虑到多于2个长电码(
━
)将较大程度影响实时性，因此，本发明只用到了最多2个长电码。如果对于实时性要求不是那么高，可考虑多于2个长电码 (
━
)识别更多的动作。
88.2)由于仅采用摩斯编码和多重判断，结合标记位实现的动作识别，并没有用到复杂的机器学习和深度学习方法，本发明方法计算简单，也不需要提前采集受试者大量数据用于训练模型。
89.3)本发明方法不需要提前采集受试者大量数据用于训练模型，因此对人类个体、人体姿势没有一致性要求。再者，本发明方法根据积分特征信号幅值做等比例缩放和阈值判定。当超过设定的阈值时候，则做脉冲编码，反之则为0，因此并不需要每一次测量都保证粘贴位置一致。
90.4)相比于基于人体肢体生物力学模型和肌肉模型，建立从表面肌电信号到关节力/关节角度的数学模型这种方法，本发明方法所需要设定的参数少，并且参数数值波动对于识别准确率影响较小，避免过多参数辨识问题。
91.与图1所示的基于单肌电传感器识别多动作的方法的流程示意图相对应，本发明还公开了一种基于单肌电传感器识别多动作的装置，如图6所示，该装置包括：
92.采集模块601，用于基于表面肌电传感器采集肌电信号；
93.提取模块602，用于基于所述肌电信号，实时滑窗提取积分特征信号；
94.处理模块603，用于根据所述积分特征信号与阈值确定标识电码；
95.该处理模块603，还用于根据所述标识电码确定对应的动作。
96.在一个实施例中，处理模块603，还用于根据所述积分特征信号的幅值与阈值确定脉冲编码信号；
97.根据所述脉冲编码信号中相邻下降沿和上升沿，确定脉冲的长度；
98.基于所述脉冲的长短确定标识电码。
99.在一个实施例中，处理模块603，还用于当所述脉冲的长度大于或等于第一预设长度时，确定所述脉冲对应的编码为第一电码；
100.当所述脉冲的长度小于第一预设长度时，确定所述脉冲对应的编码为第二电码。
101.在一个实施例中，标识电码为摩斯编码，包括第一电码和第二电码中的至少一种；
102.所述处理模块603，还用于根据所述标识电码中第一电码和第二电码的个数以及对应的顺序，确定对应的动作。
103.在一个实施例中，所述处理模块603，还用于当发生下降沿后的预设时间内脉冲编码信号一直为0时，根据标识电码与预设的动作对应关系确定对应的动作。
104.图7是本发明实施例提供的一种计算设备的结构图。如图7所示，计算设备700包括输入接口701、中央处理器702、存储器703以及输出接口704。其中，输入接口701、中央处理器702、存储器703、以及输出接口704通过总线710相互连接。
105.图7所示的计算设备也可以被实现为基于单肌电传感器识别多动作的方法的执行设备，该计算设备可以包括：处理器以及存储有计算机可执行指令的存储器；该处理器在执行计算机可执行指令时可以实现本发明实施例提供的基于单肌电传感器识别多动作的方法。
106.本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本发明实施例提供的基于单肌电传感器识别多动作的方法。
107.需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
108.以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(application specific integrated circuit，asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、只读存储器(read-only memory，rom)、闪存、可消除的只读存储器(erasable read only memory，erom)、软盘、只读光盘(compact disc read-only memory，cd-rom)、光盘、硬盘、光纤介质、射频(radio frequency，rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
109.还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
110.上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
111.以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法
实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。