论文部分内容阅读
脑卒中、伤残、运动性功能损伤和偏瘫等疾病会造成患者的肢体功能缺失，在患者的后续治疗阶段都要进行肢体运动康复训练，通过运动康复训练可以逐步改善并恢复患者的肢体功能，从而回归社会。传统的运动康复训练方法，康复治疗师的劳动强度大，患者训练强度、持续性难以保证，缺乏有效的方式对训练效果、训练方案进行客观地评价，从而影响了运动康复训练的治疗效果。肌肉的表面肌电信号(Surface Electromyography，sEMG)蕴含着肌肉的激活程度、肌肉的收缩力量等信息。通过采集肌肉的表面肌电信号进行分析，并运用数学建模的方法计算出肌力，这可以成为运动康复训练一种新的评价方式。然而，肌肉的生理和非生理因素会影响sEMG信号，这些使得基于表面肌电的肌力估计具有相当大的难度和挑战性。
基于上述研究背景，本文将以提高肌力估计的准确性为目标，研究如何消除信号相位叠加、肌肉组织过滤以及肌肉间的信号串扰等对sEMG所产生的影响。本文为解决肌力的定量评价问题，设计了一种可应用于肌肉动态收缩条件下的肌力估计方法，完成了上肢肘关节肌力建模，并针对患者训练的效果进行了定量评价。本文主要工作总结如下:
提出了一种基于关节角度的校准方法，可以对肌肉所产生的sEMG幅值进行修正。肌肉长度的变化、肌力矩臂的改变以及电极片在肌肉神经分布带的位移，这些因素会对表面肌电信号的幅值产生影响，也会使表面肌电信号与肌力的非线性关系复杂化。因此，需要一个校准系数来对sEMG的幅值进行修正。校准系数是由在各个关节角度下所采集到的sEMG数据计算得到。
提出采用并行级联识别方法(Parallel Cascade Identification，PCI)建立sEMG与肌力的关系模型，这种方法具有同时捕获系统的动态特性和处理关系模型中固有的非线性特性的能力，解决了sEMG与肌力之间的非线性和动态变化的问题。PCI结构的线性部分通过构建脉冲响应函数来捕捉动态关系，非线性关系是由PCI结构的非线性部分进行构建。本文对表面肌电信号数据进行抽取，降低了肌力模型的计算时间。
联合应用基于关节角度的校准方法和PCI模型实现对动态肌力的估计。通过采集肱二头肌、肱三头肌的单通道和多通道的sEMG数据来验证肌力估计的可应用性。表面肌电信号是不稳定的，肘关节运动速度的变化和作用的外力都会影响肌力估计的准确度。通过多通道的表面肌电信号采集可以提高肌力估计的准确度。对PCI模型选取的通道进行分析，发现对于校准数据而言，关节角度的选择显著减少，从而表明了对关节角度的依赖性更低。
搭建一个上肢肘关节屈伸运动康复训练的肌力估计实验平台。先让上肢功能正常的测试人员在康复设备上进行运动康复训练，采集相关肌肉的表面肌电信号，经过处理后用来训练和生成肌力估计模型，然后在广东省第二中医院的康复治疗中心选取上肢功能障碍的康复患者在该设备上进行运动康复训练，来验证本研究所提出的肌力估计模型的有效性。实验结果表明，与使用非校准的数据相比，采用校准方法标定的数据对肌力的估计具有显著的改进效果。在sEMG-肌力关系中，关节角的依赖性和传感器位置的灵敏度随校准值而减小。对测试者的同一数据集，PCI建模技术与快速正交搜索(Fast Orthogonal Search，FOS)相比，测试者的肌力平均误差下降明显，当基于关节角的校准和PCI结合时，肌肉动态收缩时的肌力估计结果也得到了显著改善。
基于上述研究背景，本文将以提高肌力估计的准确性为目标，研究如何消除信号相位叠加、肌肉组织过滤以及肌肉间的信号串扰等对sEMG所产生的影响。本文为解决肌力的定量评价问题，设计了一种可应用于肌肉动态收缩条件下的肌力估计方法，完成了上肢肘关节肌力建模，并针对患者训练的效果进行了定量评价。本文主要工作总结如下:
提出了一种基于关节角度的校准方法，可以对肌肉所产生的sEMG幅值进行修正。肌肉长度的变化、肌力矩臂的改变以及电极片在肌肉神经分布带的位移，这些因素会对表面肌电信号的幅值产生影响，也会使表面肌电信号与肌力的非线性关系复杂化。因此，需要一个校准系数来对sEMG的幅值进行修正。校准系数是由在各个关节角度下所采集到的sEMG数据计算得到。
提出采用并行级联识别方法(Parallel Cascade Identification，PCI)建立sEMG与肌力的关系模型，这种方法具有同时捕获系统的动态特性和处理关系模型中固有的非线性特性的能力，解决了sEMG与肌力之间的非线性和动态变化的问题。PCI结构的线性部分通过构建脉冲响应函数来捕捉动态关系，非线性关系是由PCI结构的非线性部分进行构建。本文对表面肌电信号数据进行抽取，降低了肌力模型的计算时间。
联合应用基于关节角度的校准方法和PCI模型实现对动态肌力的估计。通过采集肱二头肌、肱三头肌的单通道和多通道的sEMG数据来验证肌力估计的可应用性。表面肌电信号是不稳定的，肘关节运动速度的变化和作用的外力都会影响肌力估计的准确度。通过多通道的表面肌电信号采集可以提高肌力估计的准确度。对PCI模型选取的通道进行分析，发现对于校准数据而言，关节角度的选择显著减少，从而表明了对关节角度的依赖性更低。
搭建一个上肢肘关节屈伸运动康复训练的肌力估计实验平台。先让上肢功能正常的测试人员在康复设备上进行运动康复训练，采集相关肌肉的表面肌电信号，经过处理后用来训练和生成肌力估计模型，然后在广东省第二中医院的康复治疗中心选取上肢功能障碍的康复患者在该设备上进行运动康复训练，来验证本研究所提出的肌力估计模型的有效性。实验结果表明，与使用非校准的数据相比，采用校准方法标定的数据对肌力的估计具有显著的改进效果。在sEMG-肌力关系中，关节角的依赖性和传感器位置的灵敏度随校准值而减小。对测试者的同一数据集，PCI建模技术与快速正交搜索(Fast Orthogonal Search，FOS)相比，测试者的肌力平均误差下降明显，当基于关节角的校准和PCI结合时，肌肉动态收缩时的肌力估计结果也得到了显著改善。