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！

摘要：本发明公开了一种肌电假肢控制无监督校准方法；本发明聚焦于基于回归的比例控制系统，使用基于肌电特征空间相关性的数据加权准则来对假肢控制模型进行无监督校准，通过肌肉活动产生的肌电信号识别截肢者的运动意图，从而对假肢进行意图控制。本发明无需采集目标用户的运动信息（关节力或力矩），可在假肢使用过程中完成用户的肌电信号采集，大大提高了模型校准过程的便捷性；本发明可持续采集使用过程中用户的肌电信息，并相隔特定的时间后重复校准，自动更新模型参数，定时更新模型，使得肌电假肢控制系统的性能在使用过程中逐步提升，大大降低了模型校准的成本，促进其商业化生产和更广泛的临床应用。

主权项：1.一种肌电假肢控制无监督校准方法，其特征在于，通过对比新用户与已有数据库内用户的肌电信号特征，在无需新用户的运动标签情况下，建立新用户肌电信号与假肢运动控制的模型，从而降低使用假肢前校准的步骤与时间；包括如下步骤：步骤一、肌电特征提取及肌电假肢控制模型构建首先将每个通道中的肌电信号EMG归一化为均值为零，标准差STD为1的时间序列；训练数据片段使用其自身的均值和STD进行归一化，测试信号片段，使用测试过程中从同一受试者获得的肌电数据的相应通道计算平均值和标准差来对进行标准化；从训练肌电数据中，计算每100个连续样本的均方根RMS值，过零点ZS和斜率符号变化SSC特征；使用上述提取的特征来训练提供通道内时域动力学信息具有时滞的多项式回归模型，该模型由如下公式1描述： 其中i是采样数据的样本索引，V表示多项式模型阶数,Q表示最长时间延迟，F代表提取的特征数,C代表通道数，θ是拟合参数，θoffset是常数项，x是特征值；最佳模型参数使用线性最小二乘进行估计，并使用秩显QR因式分解来去除特征相关性；步骤二、无监督模型校准1域偏移估计将训练集肌电视为源域数据，标记为其中表示某信号样本的特征向量，i∈{1，2，...，NS}，将使用假肢的过程中采集到的目标用户的肌电数据视为目标域，标记为其中Nf＝F×C是特征向量维度，NS和NT为源域和目标域的样本数；源域和目标域的数据矩阵分别标记为和矩阵的每一行表示某一数据样本的特征向量；域偏移估计过程的主要目标是估计线性变换矩阵以描述和间的偏移，即其中是线性变换后的源域；对源域数据和目标域数据进行校准以获得和XT具有最高相似度时的最佳线性变换矩阵A；2数据权重计算目标域和每个单一源域之间的域偏移程度随不同受试者的不同数据而变化，域偏移矩阵A*，即最佳线性变换矩阵A用于为原始源域中的每个非用户受试数据生成最佳数据权重，在模型训练中，将与目标域数据更为相似的肌电信号分配较高的权重；特定的源域和目标域的差异通过基于公式5中的矩阵来描述： 矩阵的最大奇异值λ，也就是矩阵的2-范数，用于表征特定源域和目标域的域偏移程度，中的数据权重由下式获得： 其中，m属于一个超参数，其取值为3或4；最后将原始源域中的每个非用户受试依照公式1训练出的参数模型数值分别乘以由6得出的各自的权重值，不同权重的模型叠加归一化后即为最终用户的肌电假肢控制模型。

全文数据：

权利要求：

百度查询： 复旦大学 一种肌电假肢控制无监督校准方法