一种基于肌声信号的穿戴式助力系统运动意图检测算法_董为.pdf
《一种基于肌声信号的穿戴式助力系统运动意图检测算法_董为.pdf》由会员分享,可在线阅读,更多相关《一种基于肌声信号的穿戴式助力系统运动意图检测算法_董为.pdf(9页珍藏版)》请在咨信网上搜索。
1、一种基于肌声信号的穿戴式助力系统运动意图检测算法董 为,石永军,林玮琪(哈尔滨工业大学机器人技术与系统国家重点实验室,哈尔滨)摘要:针对未来深空探测活动中航天员在多种复杂任务环境下的运动助力需求,提出一种面向航天员穿戴式助力系统的运动意图检测算法。以航天员的关节力矩作为运动意图的表征,利用希尔伯特黄变换对特定肌肉发出的肌声信号进行滤波处理,以消除由肢体运动导致的伪迹噪声和由传感器引入的高频噪声,并参照肌肉的发力原理对滤波后的肌声信号进行特征值提取,通过机器学习的方法建立肌声信号与关节力矩间的映射关系,使助力系统能够及时准确地识别出航天员的运动意图并实施助力。最后募集了 名志愿者进行了 组样本数
2、据关节力矩辨识实验,实验结果表明:所提出算法的决定系数可达.,能够有效辨识航天员的运动意图。关键词:运动意图辨识;肌声信号;信号处理;机器学习中图分类号:文献标识码:文章编号:()收稿日期:;修回日期:第一作者:董为,男,博士,教授,研究方向为穿戴式机电系统。:(),(,):,(),.:;第 卷 第 期 年 月 载 人 航 天 DOI:10.16329/ki.zrht.2023.01.014 引言 随着人类航天技术的不断发展,航天员出舱进行深空探测作业的次数会逐渐增多。在未来的航天活动中,航天员需要携带更多的科学仪器,穿越复杂的地形地貌,应对多种复杂恶劣的太空环境,这对航天员的运动能力提出了新
3、的挑战。运动能力是航天员舱外作业重要保障。当前的航天服具备生命安全保障和作业能力保障两大类功能,它们在具体实现上存在相互制约关系。其中,压力服的应用使其活动功效被明显削弱,实际表现为运动阻力增大、动作范围受限、灵活性变差等。近年来,穿戴式智能机电技术的兴起为这一问题提供了新的解决思路。以辅助穿戴者运动为目标的穿戴式智能机电系统也称为穿戴式助力系统,融合了机电一体化、传感技术、人工智能、人机工程多学科的技术,能够增强穿戴者的负载、机动、感知、防护等能力,帮助航天员提高在各种工作环境下的工作效率。穿戴式助力系统的研究内容主要包括具备人机相容性的结构设计、面向人机交互的控制算法研究和基于人体信号的运
4、动意图感知三大方向。个方向的研究相辅相成,各国研究人员的相关成果也各有侧重,等团队采用鲍登线等柔性单元实现了助力系统的柔性动力传递,极大地增加了人机系统的相容性;等根据人体肘关节屈曲角度和助力电机回转角度间的关系建立起了对应的运动学模型,进而提出了肘关节重力补偿算法;等参考了康复治疗中的镜像疗法,在穿戴者一侧手臂的大臂和前臂处布置惯性测量单元,为另一侧手臂的助力提供参考输入。在人体运动意图感知方面,常用的方法为借助助力系统上搭载的各类传感设备采集穿戴者当前的生理、运动信号,将采集到的信号通过特定算法处理后,建立起信号与运动间的映射关系,并由此辨识出穿戴者当前的运动意图,辨识的快速和准确与否,直
5、接决定了助力系统的助力效果,是穿戴式助力系统研究内容的重要环节。在运动信号的选取上,表面肌电信号应用的最为广泛,代表性成果为 等推出的 型外骨骼机器人;等基于人体肩关节的逆运动学模型,借助神经网络技术,利用图像捕捉的方法预测人体肩关节的运动意图;等推出的 则采用了非侵入式脑电信号作为助力系统的参考输入信号;黄海等研制的 外骨骼则通过采集人机间的交互力来辨识人体的运动意图。从实际应用的角度来看,表面肌电信号对皮肤表面质量要求较高且易受环境电磁干扰,图像捕捉技术由于其外置传感器的特性故其使用场地受到限制,脑电信号受限于人脑的复杂性难以辨识出精确的运动动作,人机交互力信号从产生原理上已滞后于人体的运
6、动,在快速性上有一定的欠缺。针对上述问题,本文提出了一种基于肌声信号的人体运动意图辨识算法。肌声信号是由对应肌肉的振动产生,利用惯性测量单元采集后进行滤波与特征提取,最后利用机器学习的方法建立关节力矩与肌声信号间的映射关系,从而实现人体运动意图的辨识,最终通过试验验证算法的有效性。肌声信号的采集与处理 肌声信号(,),又称肌音信号、肌动信号,是肌肉轴向收缩时相互间的滑动摩擦产生的一种压力波。在人体皮肤表面采集到的肌声信号是由多个肌纤维的不同步机械活动产生的复合信号,其中蕴含了参与本次运动的肌纤维的数目及其振动的振幅、频率等信息。肌声信号在肌力估计方面的应用已被证实具有可行性,且肌声信号相较于表
7、面肌电信号,对传感器的要求较低,普通的加速度计即可胜任,信号的机械振动特性使得信号对传感器的安装位置较不敏感,偏离肌腹处安装也可有较好的采集效果。总的来看,肌声信号具有设备成本低、对摆放位置和皮肤表面条件的需求低、抗干扰性强等优势,是理想的人体运动意图辨识算法输入信号。载 人 航 天第 卷为获取肌声信号对应的肢体动作,本文采用九轴惯性测量单元(,)作为肌声信号的采集设备,以右臂肘关节屈曲伸展运动为例,试验选取了一名 岁男性志愿者,无神经肌肉疾病史,将 置于其右臂肱桡肌处,如图 所示。为简化数据处理,同时不丢失可能的有效信息,对 的三轴加速度计数据依照式()进行降维。()式中,分别为 的,和 轴
8、加速度计读数,为降维后的原始肌声信号。令受试者右臂肘关节匀速完成一次屈曲伸展运动,采集到的原始肌声信号如图 所示。图 肌声信号采样示意图 图 右臂肘关节屈伸运动原始肌声信号 可以看出,合成后的原始肌声信号里,蕴含着由传感器引入的高频白噪声和由肢体运动及重力加速度引起的低频运动伪迹,这些不必要的干扰将会严重影响肌声信号的采集效果,需要设计相应的滤波器,在滤除高频噪声及运动伪迹的同时尽可能保留更多的肌声信号。需要滤除的噪声主要分布在高频和低频段,由于不同关节不同肌肉震动的频率特性各有特点,常用的带通滤波器难以满足通用性的需求;传统的以傅里叶分析为基础的频域处理方法常用于处理有较强规律性的平稳信号,
9、面对类似肌声信号的随机非平稳信号则表现不佳。针对上述问题,出于提高所设计滤波器的跨肌肉适应性的考虑,本文选择希尔伯特 黄变换(,)对肌声信号进行分析。变换主要由经验模态分解(,)和希尔伯特变换两部分组成。算法基于原始信号自身的局部时间尺度,能够将信号按频率高低分解为有限阶本征模态函数(,)和一个残差。通过分析各个,能够分辨出其中有高频白噪声和运动伪迹所主导的 并将其剔除,将剩余的 重新组合便可得到滤除噪声后的相对纯净的肌声信号。以图 所示的原始肌声信号为例,对其进行 分解,分解共获得了 阶 和 阶残差,分解结果如图 所示。图 原始肌声信号 分解结果 对于随机白噪声,其随机性导致其各个时刻间的信
10、号关联性较弱,及其自相关函数近似于零点附近的脉冲函数,为找出由噪声主导的,引入自相关概念,自相关函数定义见式()。(,)()()()白噪声主要存在于高频段,故对分解出的前 阶 进行自相关求解并进行归一化处理,求解结果如图 所示。可以看出,第 阶 的自相关函数曲线符合白噪声的特点,将其视作噪声主导的 剔除。完成高频段噪声的滤波后,还需要进行低频噪声的辨识与滤除,参考文献、的研究成果,对于大多数被噪声污染的信号,其主要能量集第 期 董 为,等 一种基于肌声信号的穿戴式助力系统运动意图检测算法图 前四阶 自相关函数曲线 中在低频段,越往高频段,其含有的能量越少,一定存在某阶,使得该阶分量之后的 为信
11、号主导模态,该阶分量前的 为噪声主导模态。基于上述结论,做出如下变动:假设运动伪迹为求解的目标信号,肌声信号为高频噪声,则噪声与信号间一定会有一阶 将两类模态区分开,引入 的能量公式用于求解各阶 的能量,能量公式如式()所示。()()式中,()表示第 阶 的第 个信号值,表示所包含信号值的总个数。根据式(),求解出各阶 所蕴含的能量,求解结果如图 所示。可以看出,第 阶 之后的信号蕴含的能量较其他阶 有显著的上升,故将第 阶之后的 视作由运动伪迹及重力加速度主导的 并加以剔除,则至此完成了对原始肌声信号的高频和低频噪声的滤波,剩余的 即为滤波后的肌声信号。图 各阶 的能量曲线 将剩余的 重组,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 信号 穿戴 助力 系统 运动 意图 检测 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。