腿部电刺激助行装置、肌电信号预测输出方法及使用方法

技术特征：
1.腿部电刺激助行装置，其特征在于：包括电刺激输出装置及腿部肌电采集装置；所述电刺激输出装置包括主体外壳上盖及主体外壳下盖，主体外壳上盖与主体外壳下盖之间形成安装空间，所述安装空间内设有电刺激输出控制模块、供电电池及电刺激输出模块。2.根据权利要求1所述的腿部电刺激助行装置，其特征在于所述主体外壳下盖上设有总开关按钮、调节按钮及腰带卡扣。3.根据权利要求2所述的腿部电刺激助行装置，其特征在于所述腿部肌电采集装置包括采集装置外壳上盖、采集装置外壳下盖及设置在采集装置外壳上盖与采集装置外壳下盖之间的无线肌电采集装置。4.根据权利要求3所述的腿部电刺激助行装置，其特征在于所述电刺激输出模块包括基板及设置在基板上的电池插口、总开关、芯片、通道调节按钮、复位按钮及电刺激输出接口；所述电刺激输出控制模块通过杜邦线与电刺激输出模块连接，供电电池连接于电刺激输出模块的电池插口；所述总开关按钮与总开关相连接；所述调节按钮与电刺激输出模块上的各通道调节按钮相连接，通过按压调节按钮对各通道的电刺激强度进行调节。5.根据权利要求4所述的腿部电刺激助行装置，其特征在于所述电刺激输出模块包括以下两种应用方式：1）在预留接口有控制板接入的情况下，可以采用控制板当中输入的指令进行电刺激大小输出控制；2）在预留接口没有控制板接入的情况下，可以通过调节各通道调节按钮来进行调节各通道的电磁输出大小。6.根据权利要求5所述的腿部电刺激助行装置，其特征在于所述电刺激输出模块的电刺激强度通过电刺激的频率进行改变，其支持电刺激频率在0到100赫兹之间的调整；电刺激输出模块的输出波形为正负双向的方波。7.肌电信号预测输出方法，其特征在于所述电刺激输出控制模块采用双向长短期记忆网络的方法进行肌电信号的预测输出，具体包括以下步骤：1）将肌电信号进行预处理：采集老年人健侧及肌力不足侧的肌电信号，并对采集到的肌电信号进行滤波，保留5到50赫兹之间的肌电信号，确保肌电信号保留其特征波形变化；2）进行手动特征提取，将电信号进行平均肌电值的处理；3）搭建双向长短期记忆网络，并进行训练，实现控制肌肉的表面肌电信号对肌力不足侧肌肉以及健侧肌肉的步行肌电信号曲线的预测；4）将健侧肌肉的预测信号和同周期下肌力不足侧的预测信号做差值，得到肌力不足侧肌肉与健侧肌肉的肌电差值曲线，用作各块肌肉控制电刺激输出频率大小的控制曲线。8.根据权利要求7所述的肌电信号预测输出方法，其特征在于所述步骤3）中，搭建的神经网络结构包括数据输入层、双向长短期记忆网络层、双向长短期记忆网络层、一个dropout层、一个全连接层及一个回归层；所述数据输入层用于将采集后处理的数据通过矩阵的形式输入神经网络，其的输入数据为经过处理的控制肌肉数据以及一块步行肌肉的肌电数据；输入数据被划分为训练集及测试集；所述数据归一化层用于消除特异性样本对训练结果的影响；所述双向长短期记忆网络层用于读取单个时刻的输入数据，并进行预测并输出下一时
刻的数据，并与实际的下一时刻输出数据进行比对，其隐藏的神经元数量根据不同的人体以及不同的肌肉需要进行不同的设置；所述dropout层以概率p随机筛选神经元，使神经元不输出，减轻过拟合现象；所述p值根据不同的人体以及不同的肌肉需要进行不同的设置；所述全连接层用于分类并判断数值是否输出，其选择relu作为激活函数；所述回归层用于输出预测的肌电数值。9.腿部电刺激助行装置的使用方法，其特征在于，包括以下步骤：1）老年人佩戴好腿部电刺激助行装置后，在跑步机上根据老年人合适的步行速度进行步行行走；采集肌力不足侧步行肌肉，健侧步行肌肉以及股外侧肌的肌电信号；2）将肌电信号进行滤波及平均肌电值的特征提取；使用matlab将进行处理后的肌电信号用于双向长短期记忆网络的神经网络的训练；3）将相应的滤波代码，特征提取代码以及训练好的双向长短期记忆网络输入的控制板；4）连接电刺激输出控制模块和电刺激输出模块；5）老年人佩戴连接好的电刺激系统进行步行即可正常使用。10.根据权利要求9所述的腿部电刺激助行装置的使用方法，其特征在于所述步骤5）中，在有外部控制板接入的情况下，腿部肌电采集装置将采集到的肌电信号传给电刺激输出控制模块的控制板，并通过电刺激输出控制模块控制板当中的滤波以及神经网络程序进行处理；进而针对不同肌肉在对应通道独立输出频率大小不同的电刺激；通过肌肉联合电刺激的作用，辅助老年人进行更好的行走。

技术总结
腿部电刺激助行装置、肌电信号预测输出方法及使用方法，属于助行装置技术领域。腿部电刺激助行装置包括电刺激输出装置及腿部肌电采集装置；电刺激输出装置包括主体外壳上盖及主体外壳下盖，主体外壳上盖与主体外壳下盖之间形成安装空间，安装空间内设有电刺激输出控制模块、供电电池及电刺激输出模块。本发明采用双向长短期记忆网络通过人体的肌电信号去对相关肌肉的肌电信号进行相应的预测；将深度学习应用到老年人电刺激辅助的器械当中；采用更轻量化、更智能的方式帮助老年人尽快进行老年人的步态辅助。年人的步态辅助。年人的步态辅助。


技术研发人员：唐智川 葛瑞特 傅晓云 卢纯福
受保护的技术使用者：浙江工业大学
技术研发日：2022.08.30
技术公布日：2022/12/12