基于表面肌电信号的膝关节角度预测方法Knee Joint Angle Prediction Method Based on Surface Electromyography Signal
林竹,凌六一
摘要(Abstract)：
人体关节角度的连续预测对于提高人机协同控制至关重要.为了提高关节角度的预测精度，提出了一种基于特征的卷积神经网络-双向长短期记忆网络(Convolutional Neural Network-Bidirectional long short-term memory network, CNN-BiLSTM)模型并对下肢关节角度进行了连续预测.采集了人体在正常步态、上楼梯运动时下肢的表面肌电信号和膝关节角度，对信号进行预处理，利用主成分分法进行特征值融合，与传统的支持向量机、长短期记忆网络、卷积神经网络等算法预测效果进行对比，结果表明CNN-BiLSTM模型对关节角度的拟合效果最优，所提模型能够更有效地预测不同运动模式下的膝关节角度，在促进人机协作方面具有更好的性能.
关键词(KeyWords)： 表面肌电信号;连续运动预测;卷积神经网络;双向长短时记忆神经网络
基金项目(Foundation): 安徽理工大学环境友好材料与职业健康研究院(芜湖)研发专项(ALW2022YF06);; 安徽省高校学科(专业)拔尖人才学术支持项目(gxbjZD2021052);; 安徽省高校协同创新计划项目(GXXT-2022-053)
作者(Author): 林竹,凌六一
DOI: 10.16393/j.cnki.37-1436/z.2024.05.011
参考文献(References)：
- [1]曹梦琳，陈宇豪，王珏，等.基于表面肌电图的人体运动意图识别研究进展[J].中国康复理论与实践，2021,27(5):595-603.
- [2]Sun B X,Cheng G,Dai Q M,et al.Human Motion Intention Recognition Based on EMG Signal and Angle Signal[J].Cogn Comput Syst,2021,3:37-47.
- [3]侯增广，赵新刚，程龙，等.康复机器人与智能辅助系统的研究进展[J].自动化学报，2016,42(12):1765-1779.
- [4]马一凡，魏德健，冯妍妍，等.表面肌电关节连续运动估计的研究进展[J].计算机工程与应用，2024(7):1-15.
- [5]Zhao Y H,Li Z H,Zhang Z Q,et al.An EMG-driven Musculoskeletal Model for Estimation of Wrist Kinematics Using Mirrored Bilateral Movement[J].Biomedical Signal Processing and Control,2023,81:104480.
- [6]Qin P J,Shi X,Zhang C M,et al.Continuous Estimation of The Lower-limb Multi-joint Angles Based on Muscle Synergy Theory and State-space model[J].IEEE Sensors Journal,2023,23(8):8491-8503.
- [7]Sun N,Cao M L,Chen Y H,et al.Continuous Estimation of Human Knee Joint Angles by Fusing Kinematic and Myoelectric Signals[J].In IEEE Transactions on Neural Systems and Rehabilitation Engineering,2022,30:2446-2455.
- [8]赵紫慧，张绪树，郭媛，等.基于表面肌电信号的关节角度预测模型[J].太原理工大学学报，2024(7):1-9.
- [9]石永杰，高学山，罗定吉，等.基于肌电信号和极限学习机的下肢关节运动预测[J].兵工自动化，2022,41(2):87-91+96.
- [10]刘克平，滕召纬，孙中波，等.基于自适应模糊神经网络的下肢关节角度估计[J].计算机仿真，2022,39(9):456-461.
- [11]Liu G,Zhang L,Han B,et al.sEMG-Based Continuous Estimation of Knee Joint Angle Using Deep Learning with Convolutional Neural Network[C].Canada:IEEE,2019:140-145.
- [12]张娜，张明进，王晓冬，等.基于表面肌电信号的手指关节角度估计方法[J].电子测量与仪器学报，2023,37(8):60-70.
- [13]胡瑢华，姚圣，曾成.面向康复训练的多通道mRMR-PSO肌电特征选择算法[J].电子测量技术，2022,45(11):72-77.
- [14]林志灿，彭清和.基于增量深度学习的风机叶片震动异常预测方法研究[J].菏泽学院学报，2023,45(5):45-49.
- [15]Bao T Z,Zaidi S A R,Xie S Q,et al.A CNN-LSTM Hybrid Model for Wrist Kinematics Estimation Using Surface Electromyography[J].In IEEE Transactions on Instrumentation and Measurement,2021,70:1-9.