利用运动准备电位的人体下肢自主运动意图预先感知方法

针对下肢外骨骼机器人穿戴者的运动与机器人本身响应之间存在时间迟滞而导致控制实时性差的问题,提出了一种利用运动准备电位(RP)的人体下肢自主运动意图预先感知方法。首先,根据人体下肢运动的脑电(EEG)产生机理和耦合神经元集群模型仿真了下肢产生运动意图时大脑运动皮质区的RP响应,验证了下肢产生运动意图时其EEG中存在RP;其次,利用下肢肌电(EMG)确定了下肢自主运动的起始时刻并完成EEG中自主下肢运动事件的触发标记,同时利用多元经验模式分解(MEMD)方法去除了EEG中的运动伪迹成分,进而利用叠加平均法和模板匹配法实现了下肢自主运动的RP提取及其运动意图的预先感知;最后,搭建检测系统进行实验验证。实验结果表明:该方法可在离线情况下于人体下肢自主运动开始前约120 ms实现下肢运动意图的预先感知,其平均识别正确率为74.4%。该方法实现了人体下肢自主运动意图的预先感知,可为外骨骼机器人的柔顺控制提供信息提前量。     

基于多导联脑电时空信息的情感分类研究

为探究脑电空间关联信息与不同情感状态之间对应关系，基于SEED(SJTU Emotion EEG Dataset)情感脑电数据集，计算实验采集的不同导联脑电的皮尔逊相关系数，通过小波变换获取脑电导联之间的小波相干系数，利用Hilbert变换提取各个导联脑电的瞬时相位，计算脑电相位同步指数。然后分别将皮尔逊相关系数、小波相干系数、相位同步指数作为特征，采用支持向量机分类器实现正性、负性、中性三种情感状态的有效分类。仿真结果表明，脑电的空间关联特征用于情感识别是有效的，可以达到91.5%的情感识别精度；利用脑电微分熵的皮尔逊相关系数获得了93.7%的平均分类准确率；并且脑电γ节律相比α、β节律更有利于情感识别。该研究可以应用于情感脑机接口系统。     

虚拟诱导患者下肢主动运动意图及其脑电精准感知方法

针对下肢运动功能障碍患者无法产生强烈主动运动意图造成外骨骼机器人在康复运动辅助时人机交互性差的问题,提出了一种虚拟诱导患者下肢主动运动意图及其脑电精准感知方法。首先,分析影响患者运动意图产生的因素,建立基于大脑注意机制的虚拟诱导患者意图产生模型,形成基于脑电信号的人机交互策略;然后,设计并搭建数据驱动沉浸式三维虚拟诱导场景,激发患者大脑产生主动运动意图;进而,采集患者脑电信号,通过基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的伪迹去除方法进行信号预处理;最后,利用深度卷积神经网络实现对患者运动意图的精准识别。实验结果表明：虚拟诱导方法能够有效增强受试者脑电信号特征,运动意图识别率明显提高,相比常规方法,采用虚拟诱导方法后,静息状态识别准确率达到80.5%,提高了10.33%,产生意图识别准确率达到92.17%,提高了20.5%,稳定维持在较高水平,为外骨骼机器人实现按需辅助控制奠定了基础。     

基于肌电信号的人体下肢运动意图映射研究进展

智能下肢假肢与下肢外骨骼是肢体功能障碍者恢复日常运动的重要手段。基于肌电信号的直接意图控制是其自适应、自主控制的关键技术之一。针对此问题,阐述了基于肌电信号的人体下肢运动意图映射研究进展,包括比例肌电法、肌骨模型法和人工智能算法,讨论了基于肌电信号的人体运动意图映射研究所面临的主要问题。最后,对该领域未来发展方向进行了展望和总结。     

基于肌电触发的上肢康复训练机器人的实现

在三自由度中央驱动式上肢康复训练机器人样机的基础上,通过提取患者的肌电信号,设计了一种肌电触发的助力训练控制方案,达到帮助上肢功能障碍患者进行助力康复训练的目的.运用多种电子技术,提取桡侧腕屈肌和尺侧腕屈肌这一对拮抗肌的表面肌电信号,结合运动系统的分层多核控制方案,实现对患者肌电信号的检测和处理,根据患者的运动意图提供相应的助力动作,实现肌电触发的助力训练模式.进行了肌电信号识别实验和速度调节验证实验,验证了肌电触发的速度可调式助力训练方案的可行性.     

大脑皮层-肌肉交互作用与注意力关系的实验研究

为探索注意力因素对大脑皮层与肌肉交互作用的影响,5名健康受试者被要求完成两种任务。在任务1时,受试者通过右手食指、拇指对捏维持2N的恒定力;在任务2时,为了分散受试者右手运动控制的注意力,除需完成任务1中右手动作外,还要通过左手食指外展保持一个大小随机的恒定力。实验过程中同步采集受试者脑电和肌电信号,并将皮层-肌肉耦合,即将脑电与肌电信号的频域相干作为表征大脑皮层与肌肉交互作用强弱的指标。结果显示,任务2与任务1相比,所有受试者其右手肌电信号与左侧大脑脑电信号的皮层-肌肉耦合强度显著降低。此结果表明,注意力可影响大脑皮层与肌肉的交互作用,且注意力越集中,大脑皮层与肌肉交互作用越强。这一结论对于是否将注意力因素引入到神经损伤患者的运动功能康复中具有一定指导作用。     

速滑中腿部肌肉协调性同步肌电分析

为研究人体运动中腿部肌肉间的运动协调关系,提出了一种基于多肌电模型的同步肌电研究方法。该文以滑冰运动为例,采集了5名速滑运动员滑冰过程中腿部9块表层肌肉的肌电信号,分别建立每位运动员直道和弯道滑跑多肌电模型,并进行了多路肌电的同步相关性分析。分析结果表明:同一运动员完成相同动作时肌肉协调关系一致性好;而完成不同动作时的肌肉协调关系差异明显;不同运动员完成同一动作时,肌肉协调关系有较大差别。实验结果显示了同步肌电分析方法可以作为一种有效的量化评估肌肉间协调性的方法。     

基于傅里叶变换的脑机接口系统实现方法

脑机接口系统要求实时的处理速度和较高的准确识别率.在对脑电信号进行幅频分析和相同步分析的基础上,提出一种意识任务识别在线脑机接口系统实现方法.提取谱峰和相同步相干性指数作为反映大脑运动意识任务状态的特征参量,设计基于信息积累的时变线性分类器,对左右手想象意识任务进行识别,获得了满意的结果,最大分类正确率达到90.72%.研究结果表明,谱峰特征是事件相关去同步/同步的一个敏感的量化参数,结合相同步相干性指数能够提供更多反映大脑意识任务状态的信息.该方法采用快速傅里叶变换和线性判别式分析,特征提取和分类算法简单,计算速度快.为在线脑机接口系统的实现提供了新的思路和途径.     

基于相位同步指数的运动想象脑电平行坐标可视化分类

脑电相位同步可以反应大脑不同功能区域之间的连接性能,是当前脑科学研究中最活跃的课题之一。平行坐标作为信息可视化的主流技术,在可视化数据分析和模式识别领域有广泛应用。本文以脑机接口竞赛的运动想象脑电数据(Data Ⅲ)为对象,以平行坐标可视化技术为手段,基于相位同步指数和线性判别分类器对左右手想象意识任务进行识别。结果表明,信息可视化技术为脑机接口系统的实现提供新的思路。     

面向外骨骼助力的肌张力信息实时获取

针对目前外骨骼助力过程中的运动意图识别问题,设计了一种肌肉张力检测方法,实时获取助力状态下的生物力信息,提高人机感知交互的能力.根据肌肉的弹性特点设计出肌张力传感器,可同步检测预压力和顶柱压力.通过标定实验获得的系列数据,经非线性修正后可估计肌肉硬度.设计出上肢外骨骼,用于肘关节屈伸运动的助力.获取的肌张力信息用作外骨...     

基于运动相关脑电特征的手运动方向识别

为了研究如何从无创运动相关脑电中提取运动信息作为上肢主动康复训练的控制命令,通过设计实验,使右手完成左、上、右3个方向的运动,同时采集脑电数据和右手运动信息.通过小波时频分析确认与右手运动相关的脑电频带,并提取其小波分解系数作为特征,采用支持向量机进行特征分类,根据方向识别准确率分析提取特征的有效性.结果表明,运动脑电delta和theta频段的小波系数特征可以有效区分右手不同方向的运动,方向识别准确率的均值接近65%,并且用准备阶段特征分类的结果普遍优于运动阶段特征,因此,在手运动之前诱发的脑电活动含有丰富的运动信息,可用于脑-机接口系统提取上肢主动康复训练的控制命令.     

基于躯干肌肉活动监测的手部行为识别

为解决某些手部工作意图不能由手部的运动和肌肉行为来反映的问题,拟通过监测部分躯干肌肉的协作方式,识别手部行为意图.因此在限定任务的情况下,设计了伴有单手操作的弯伸腰实验.同步采集全身运动信号和一组椎旁肌肌电信号.调整、选择肌电信号的两步聚类细分程度.作为双向长短时神经网络的输入信号,肌肉组行为标注步骤的F1平均值为91.37％.最终确认,从躯干肌肉群行为抽取的编码可作为信号源,识别手部精确控制、维持平衡等意图.     

基于卡尔曼预测的外骨骼摆动腿随动控制研究

针对一种双关节驱动助力外骨骼机器人中人机交互系统所获取的传感器信息滞后于人体运动意图,从而造成执行机构无法及时跟踪摆动腿的运动,导致无法提供助力的情况,运用卡尔曼滤波算法对采集到的下肢运动信息进行运动意图预测,以弥补延时。利用采集的步态周期数据进行控制仿真实验:依据下肢外骨骼单侧腿简化的二连杆动力学模型,将预测信号输入模型,并采用PD控制验证系统稳定性和预测准确度。仿真结果表明,利用该方法可以对人体运动意图进行有效的预测,可用于驱动外骨骼摆动腿进行随动控制。     

人体下肢行走关节连续运动表面肌电解码方法

为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现下肢关节运动角度的计算,然后采集下肢运动相关主力肌肉的表面肌电信号并提取其活动强度信息;在此基础上,基于受限玻尔兹曼机构建深度自动编码器(DAE),实现多路表面肌电信号强度时间序列的低维空间编码和最优特征提取;最后,利用BP神经网络建立特征量与关节矢状面运动角度之间的非线性回归模型。实验结果表明:该方法提取的信号特征信息优于传统的主量分析方法,采用提出的模型能够更精确地估计下肢关节连续运动角度,其估计值与真实值的均方误差较传统方法降低25%~35%。研究结果为人机交互接口技术的开发、实现下肢可穿戴智能装备的生物电连续控制、提高人机运动平稳性奠定了基础。     

面向情绪识别中脑电特征分布不均匀的双策略训练方法

使用脑电进行情绪识别已经有了广泛的研究，但由于脑电的低信噪比、不平稳性以及受试者情绪表达方式的不同，不同受试者甚至单个受试者的脑电图情绪特征都会存在差异性，导致脑电样本在特征空间分布不均匀，容易出现模型泛化性能差的问题。为解决这一问题，该文提出了一种结合提升算法(boost)和梯度下降法(gradient descent)的双策略训练方法交替更新脑电情绪识别模型，梯度下降法在模型推理过程中更新网络参数，使损失最小化，提升算法用于更新脑电样本权重。在DEAP数据集上的实验结果表明，该方法在效价、唤醒和优势度3个维度上的准确率分别为71.25%、71.48%和71.80%,且在跨被试数据集下通过数据驱动的方式有效调整了脑电样本特征的分布，使其分布更均匀，从而提高了情绪识别模型的泛化性能。     

基于方向盘握力的疲劳驾驶检测研究

选取6位普通驾驶员参加实际道路驾驶实验,在实验中同步检测驾驶员对方向盘的握力信号和驾驶员的脑电信号。通过独立样本T检验,从时域和时频域两方面筛选出5个与疲劳驾驶密切相关的握力信号特征,将它们作为输入信息;提取脑电功率谱比值作为衡量疲劳驾驶的信号特征,将其作为输出信息;通过BP神经网络方法,以输入信息和输出信息建立基于方向盘握力的疲劳驾驶检测模型。使用部分驾驶数据对检测模型进行验证,结果显示此数学模型对疲劳驾驶的识别率达到87.0%,说明方向盘握力信号可作为检测疲劳驾驶的有效数据。     

参数自适应调节的肌电反馈式电刺激仪的设计

功能性电刺激是脑卒中后导致的运动功能障碍患者康复治疗的有效手段，现有的功能性电刺激仪多采用被动式或参数恒定式刺激方式，治疗效果不佳。本文设计了一种基于表面肌电信号的参数自适应调节的生物反馈式电刺激仪。以放松状态和最大自主收缩状态的表面肌电信号均方根值为参考，用刺激间歇的表面肌电信号均方根值作为反馈信号调节下一刺激周期的脉宽和幅值。为了避免过度刺激造成疲劳和伤害，提出了基于特征Q值的疲劳检测算法，实时检测Q值变化并在肌肉达到疲劳阈值b时终止电刺激。实验结果：仪器可以输出频率、脉宽和幅值范围分别为1～10 Hz，0.1～5 ms，5～30 mA的刺激波形，脉宽和幅值的实际输出值与设定值之间的绝对误差分别为2.3%和2.5%；相同刺激幅值下12组负载上的电压和负载阻值线性拟合结果的相关系数为0.9997，实现了恒流输出；仪器可以根据肌电均方根值调节脉宽和幅值，在检测到肌肉达到疲劳阈值（50%）时电刺激停止。     

脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

基于表面EMG功率谱和BP网络的多运动模式识别

结合功率谱比值法和BP神经网络提出一种基于表面肌电信号（EMG）的多运动模式识别算法．该算法首先根据表面肌电信号功率谱的特点，提出一种有效的特征提取算法——功率谱比值法；然后将功率谱比值特征作为BP神经网络的输入向量，实现对伸腕、屈腕、张开、合拢四种动作模式的识别，该识别结果可为肌电假手的多种运动模式提供仿生控制的信号源．实验结果表明，该方法对同一健康受试者四种运动模式的识别成功率平均达到95％，而对不同的健康受试者的识别成功率平均达到85％．     

并联踝康复机器人的系统搭建与运动控制策略

针对踝功能障碍患者,研制2-UPS/RRR并联踝康复机器人,协助患者进行踝关节背伸/趾屈、内翻/外翻及内收/外展运动康复训练。踝康复机器人系统包含机器人机械本体、驱动电机、编码器和力/矩传感器、上位机和下位机的软硬件等,具有踝关节力/位置信息检测与主/被动康复训练功能。通过建立踝康复机器人的运动学模型,计算电机驱动速度与机器人动平台角速度的映射关系,并根据患者踝关节肌力等级与训练需要,规划康复训练的运动轨迹,进行踝关节被动康复训练。基于力/矩传感器的信息检测,对患者踝关节进行运动意图识别,实现由运动意图驱动的机器人控制即主动康复训练。最后,针对踝关节的3种典型运动方式,遴选健康的受试者分别进行主/被动康复训练实验。研究结果表明:研制的并联踝康复机器人具有完善的康复训练策略和良好的运动稳定性。