买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国家康复辅具研究中心

摘要：本发明公开了一种基于肌电及深度学习的行走步态相位和速度识别方法。本发明通过综合应用肌电信号数据和足底压力数据，能够准确捕捉不同步态速度下的特征变化；通过数据预处理和PCA降维，突出不同步态速度下肌电信号数据的特征差异，为个性化步态分析提供了坚实基础，有助于更深入地理解和分析每个个体在不同步态速度下的步态特征；采用CNN‑LSTM模型，显著提高了步态识别的精度和准确性，有助于更全面地理解和评估肌肉活动状态；本发明为个性化康复治疗和运动评估提供了新的可能性，通过对不同步态速度下肌电信号数据的精准识别，能够为康复治疗和运动评估领域提供更个性化和精准的数据支持，促进了康复治疗和运动训练的个性化和精细化水平。

主权项：1.一种基于肌电及深度学习的行走步态相位和速度识别方法，其特征在于，所述行走步态相位和速度识别方法包括以下步骤：1将多通道肌电采集仪固定在被试者的单腿上，每一个通道对应采集一块肌肉的肌电信号；同时，将足底压力鞋垫固定在鞋内，并穿戴在与固定多通道肌电采集仪同侧的脚上，足底压力鞋垫设置有多个力敏电阻传感器，每一个力敏电阻传感器采集一个部位的足底压力；多通道肌电采集仪和多个力敏电阻传感器分别通过无线通讯连接至计算机；2被试者按照设定的步态速度行走，多通道肌电采集仪的每个通道分别采集对应的肌肉的肌电信号，并传输至计算机，得到原始肌电信号数据；同时，多个力敏电阻传感器采集足底压力，并传输至计算机，得到原始足底压力数据；多通道肌电采集仪与多个力敏电阻传感器受计算机控制在时间上严格同步采集；每一组原始足底压力数据分别对应时间上完全同步的一组原始肌电信号数据，即同步的原始足底压力数据与原始肌电信号数据一一对应；原始肌电信号数据带有步态速度标签；3计算机对原始肌电信号数据和原始足底压力数据分别进行预处理，得到预处理后的肌电信号数据和预处理后的足底压力数据；并利用滑动窗口对预处理后的肌电信号数据进行分段时域和频域特征提取处理，得到肌电信号特征数据，肌电信号特征数据与组足底压力数据一一对应；4足底压力数据反应步态过程中足底的压力分布情况，通过预处理后的足底压力数据将一个完整的步态周期划分为多个不同的步态相位，得到每一组预处理后的足底压力数据对应的步态相位；进一步，通过同步的足底压力数据与的肌电信号特征数据一一对应关系，为每组对应的肌电信号特征数据打上相应的步态相位标签，肌电信号特征数据得到对应的步态相位，得到带有步态速度标签和步态相位标签的肌电信号特征数据；5改变设定的步态速度，重复步骤2～4，直至完成所有设定的步态速度，得到所有设定的步态速度下的带有步态速度标签和相位标签的肌电信号特征数据，形成数据集；将数据集分为训练集和测试集；6构建卷积长短期记忆网络CNN-LSTM模型：a构建卷积神经网络CNN，输入为肌电信号特征数据，输出为步态速度；b按照设定的步态速度将卷积神经网络的输出划分为不同的步态速度子集，每一个步态速度子集对应于步骤2～5中设定的步态速度；不同步态速度下肌肉活动的特征侧重性存在差异，针对每一个步态速度子集进行主成分分析，特征侧重性差异针对不同的步态速度子集下的数据特征进行相应的PCA降维处理，得到降维后的步态数据特征；c构建长短期记忆网络LSTM，输入为降维后的步态数据特征，输出为步态相位；d采用训练集训练CNN-LSTM模型，并采用测试集测试CNN-LSTM模型，得到训练好的CNN-LSTM模型；7将多通道肌电采集仪固定在被试者同侧的单腿上，多通道肌电采集仪采集肌电信号并传输至计算机，得到原始肌电信号数据，计算机对原始肌电信号数据进行预处理并利用滑动窗口进行分段时域和频域特征提取，得到肌电信号特征数据，将肌电信号特征数据输入至训练好的CNN-LSTM模型，得到步态速度和步态相位。

全文数据：

权利要求：

百度查询： 国家康复辅具研究中心 一种基于肌电及深度学习的行走步态相位和速度识别方法