基于肌音信号的功能康复训练系统研究

VIP免费

3.0 牛悦 2024-11-19 4 4 2.31MB 59 页 15积分

侵权投诉

摘要

人体肌音信号（Mechanomyography, MMG）是肌肉收缩时因肌肉纤维尺寸不

同等因素产生叠加侧向机械振动的力学反应。与传统肌电信号相比，肌音信号具

有信号幅值大、较为平稳和不需要考虑采集电极阻抗变化等优点。

我国脑卒中患者群数量巨大，且大都患有上肢功能障碍后遗症，而功能康复

训练是恢复上肢功能的主要途径之一。传统上大多利用肌电信号作为触发信号源

来设计具有生物反馈功能的上肢功能康复训练系统。本论文首次提出并研究了一

种基于人体肌音信号触发与虚拟环境的上肢功能康复训练方法，在虚拟环境中实

现了基于肌音信号与上肢三维模型的功能康复训练模式，目的是改变现有康复训

练系统控制信号源大多基于传统肌电信号的现状,采用处理更简单、方便、精度更

高且同样蕴含着肌肉运动信息的人体生理肌音信号作为系统控制信号源。此外，

还通过患者实时观察虚拟环境中的上肢运动达到生物反馈式康复训练的目的，从

而提高功能康复训练系统的恢复效果，减少患者功能恢复训练周期。

由于肌音信号在我国的研究还刚刚起步，本论文在概述了肌音信号的国内外

研究现状的基础上，重点研究了肌音信号的处理与模式识别方法，建立了虚拟现

实上肢运动三维模型，实现了人体上肢肌肉的等张收缩运动驱动虚拟环境中三维

上肢模型的运动。本文研究的主要内容包括：（a）用于上肢功能康复训练系统控

制的肌音信号检测与处理系统设计。包括肌音信号采集系统，传感器的选择，模

拟放大滤波电路和数字转换电路的设计。（b）肌音信号模式识别方法研究。主要

研究结合时域和频域分析和提取肌音信号数字特征的方法，并建立能够准确描述

和表征肌音信号性态的数学模型，寻找合适的模式分类器，对肌音信号特征矩阵

进行分类识别。（c）虚拟现实上肢三维模型设计及其与肌音信号之间的接口研究。

在虚拟环境软件 Adams 中构建人体三维上肢模型，并设计上述已经过处理的肌音

信号与三维虚拟现实模型的数据接口，使人体上肢肌肉运动产生的肌音信号能实

时地驱动虚拟环境中的上肢模型，从而实现上肢功能康复训练系统的功能。

最后本论文将设计的基于肌音信号的功能康复训练系统对人体肱二头肌不同

MVC%（maximum voluntary contraction）等张收缩运动进行了实验验证。结果表

明，本论文结合时域与频域所建立的特征矩阵能实时准确反映出肱二头肌的动作

模式，论文设计的功能康复训练系统动作判断准确率大于 85%，系统总延迟小于

200 毫秒，具有识别率高，稳定性好，延迟较短等优点。

关键词：肌音信号模式识别上肢康复训练系统虚拟现实

ABSTRACT

The surface mechanomyogram or mechanomyography(MMG) is the summation of

the activity of single motor units (MU), which is generated from gross lateral movement

of the muscle at the initiation of a contraction. Compared with the traditional

eletromyograhy(EMG), MMG signal offers several advantages over EMG as sufficient

magnitude, more steady and no need of consideration on the surface impedance.

Our country is suffering a large quantity of patients related to stroke, and most of

them suffer from functional difficulties with upper limb. Generally, the functional

rehabilitation training is the most important way to recover the function of upper limb.

However, most of traditional bio-feedback rehabilitation training systems take EMG

signal as the source of control signal. In order to improve the effect of rehabilitation

training, this article has done a research on a new kind of functional rehabilitation

training system for human upper limb based on MMG signal and virtual reality.

This paper, for the first time, put forward and studied a method that suggest the

MMG signal apply to the functional rehabilitation training, and built a new training

mode of functional rehabilitation based on MMG control signal and 3D upper limb

models which have been built in the environment of virtual reality. This may bring a

change to the status that traditional signal EMG is used as control signal in the field of

rehabilitation training. The article adopted a more easy processing, more convenient,

more accurate signal, MMG signal, which contains lots of information of muscle

movements as well, to improve the present effect of functional rehabilitation and reduce

the period of recovery.

For the research on MMG in our country is just at the beginning, this paper, based

on the introduction of the current situation of home and abroad, focused on the study of

MMG signal detection and acquisition, processing and pattern recognition, and built 3D

upper limb models in the environment of virtual reality. Finally, the system designed in

the paper realized that the 3D models previously set up in the virtual reality

environment, can move following the corresponding movement of patient upper limb

when an individual performs isometric contraction. The content of the study includes: (a)

Design of MMG control signal detecting and processing protocol for upper limb

functional rehabilitation system, including MMG acquisition system, sensor selection,

analog preamplifier and filter circuit design, A/D conversion circuit with control

programming design. (b) Research of MMG signal pattern recognition, we researched

on the method to extract exact features of the MMG signal from both time and

frequency domains, and set up an appropriate mathematical model for MMG signal

descriptions. Also, we sought the right mode classifier to perform pattern recognition

with the MMG character matrix, which was made of the features extracted before. (c)

The construction of 3D upper limb models in the environment of virtual reality and the

connection between the models and MMG control signal. Upper limb models were built

in the environment of virtual reality software (Adams). Parameters were designed to be

able to exchange between the models and MMG control signal so that the MMG signal,

which is collected by the designed system when upper limb muscle contracts in

different modes, can correspondingly and simultaneously drive the models in the

environment of virtual reality. Thus the goal of the functional rehabilitation training

system based on the MMG signal is reached.

Finally, a verification experiment was performed with the functional rehabilitation

training system designed in this paper, and the test results show that the characters

extracted in time and frequency domains can reflect the effective current mode of

muscle contraction, the accuracy of pattern classification is more than 85 percent and

the total delay of the system is less than 200ms, which offers advantages of high rate

recognition, better stability and short delay.

Key words: Mechanomyography, Patten Recognition, Upper Limb,

Rehabilitation Training System, Virtual Reality

中文摘要

ABSTRACT

第一章绪论 ........................................................ 1

§1.1 课题背景 ................................................... 1

§1.2 肌音信号的国内外研究现状 ................................... 4

§1.3 论文的主要研究内容 ......................................... 6

§1.4 本文的研究意义 ............................................. 6

§1.5 论文撰写结构 ............................................... 7

第二章上肢康复训练系统总体设计 .................................... 8

§2.1 上肢功能康复训练系统的总体方案设计 ......................... 8

§2.2 系统各模块的实现方案设计 .................................. 10

§2.2.1 肌音信号的采集和预处理 ................................ 10

§2.2.2 肌音信号的特征提取和模式识别 .......................... 11

§2.2.3 上肢功能康复训练系统的实现 ............................ 11

第三章肌音信号的检测系统设计 ..................................... 12

§3.1 肌音信号的模拟检测电路设计 ................................ 12

§3.1.1 肌音信号的产生机理 .................................... 12

§3.1.2 肌音信号采集硬件系统设计 .............................. 12

§3.2 肌音信号的数字检测电路 .................................... 17

§3.2.1 数据采集卡的选用 ...................................... 17

§3.2.2 建立 Matlab 系统工作环境 ............................... 18

第四章肌音信号的特征提取和模式识别 ............................... 21

§4.1 肌音信号的数学模型 ........................................ 21

§4.1.1 线性系统模型 .......................................... 22

§4.1.2 非平稳模型 ............................................ 23

§4.2 肌音信号的一般特征提取方法 ................................ 24

§4.2.1 时域分析特征 .......................................... 24

§4.2.2 频域特征分析 .......................................... 25

§4.2.3 时频域特征提取方法 .................................... 27

§4.2.4 基于自回归参数模型的特征提取方法 ...................... 29

§4.3 肌音信号特征提取方法研究 .................................. 32

§4.3.1 时域均方根程序设计 .................................... 32

§4.3.2 频域功率谱密度程序设计 ................................ 32

§4.3.3 时频域 AR 模型参数设计 ................................. 33

§4.3.4 建立肌音信号特征矩阵 .................................. 33

§4.4 肌音信号的模式识别方法研究 ................................ 34

§4.4.1 人体生理信号的一般模式识别方法 ........................ 34

§4.4.2 线性投影与 fisher 准则函数 ............................. 35

§4.4.3 基于 fisher 准则的模式分类器设计 ....................... 37

第五章功能康复训练系统的虚拟环境模型设计 ......................... 39

§5.1 Adams 多体仿真动力学软件概述 .............................. 39

§5.2 基于 Adams 虚拟环境的三维上肢模型建立 ...................... 40

§5.2.1 创建人体上肢的多体模型 ................................ 40

§5.2.2 创建测量 .............................................. 41

第六章基于虚拟现实的功能康复训练系统实验测试 ..................... 43

§6.1 Adams 与 Matlab 数据交换设计 ............................... 43

§6.1.1 设置 Adams 控制控件（Adams/Controls） .................. 43

§6.1.2 定义与 Matlab 实时交换数据的状态变量 ................... 43

§6.1.3 设置 Adams 与 Matlab 数据交换 ........................... 44

§6.2 系统整体实验测试 .......................................... 45

第七章总结与展望 ................................................. 49

§7.1 论文总结 .................................................. 49

§7.2 论文展望 .................................................. 50

参考文献 .......................................................... 52

在读期间公开发表的论文及承担科研项目及研究成果 .................... 55

第一章绪论

§1.1 课题背景

我国是脑卒中病的高发地区之一，根据统计我国现有脑卒中患者900多万，每

年新发生脑卒中患者高达200万。尽管医疗水平不断提高使患者的死亡率减少，但

是致残率居高不下，85%的卒后患者遗留不同程度的运动、吞咽、言语、认知等功

能障碍。其中运动功能障碍占各种功能障碍的90%，而运动功能障碍中上肢功能障

碍几乎占到100%。上肢功能的恢复对脑卒中患者的日常生活能力影响较大，也是

康复治疗中难于解决的问题之一。医学理论和临床医学证明，除了手术治疗和药

物治疗外，科学的康复训练对脑卒中偏瘫患者的肢体功能康复起着重要的作用。

目前，国内外研发了多种功能训练系统对脑卒中患者的上肢功能障碍进行康

复，包括康复训练机器人、肌电信号触发的生物反馈训练等模式。首先，利用康

复辅助机器人及其相关技术可以对训练过程进行客观的监测与评价，提高偏瘫康

复训练的针对性及科学性，同时将治疗医师从繁重的体力劳动中解脱出来，为患

者制定更好的康复方案，进一步提高功能康复治疗的效率[1]。康复机器人的发展除

了需要能连续多自由度运动的复杂机械机构之外，最重要的就是不断改进其控制

系统的精确性。康复训练的最终目标是恢复人体肌体组织的运动机能，实现肌体

组织的自然化动作。基于此目标，该领域的研究主要沿着两个方向：一个方向是

功能电刺激（Functional Electrical Stimulation, FES）[2]。另一个方向是基于肌电信

号控制[3]。前者是利用电压或电流等电信号刺激神经肌肉，使丧失神经控制的肌肉

产生收缩,达到康复治疗和功能重建的目的；后者是利用在患者麻痹肢端采集到的

相对微弱的肌电信号控制康复器械，使其能够具有与肢体相同的对外界刺激的反

应能力和对脑神经信号的识别和处理能力，模拟肢体动作,实现肢体的康复治疗。

基于肌电信号触发的康复训练系统被认为是可以调动患者主动参与行为的有效方

法。

最新研究又提出了基于虚拟环境的功能康复治疗，为了鼓励患者进行康复训

练，提高康复训练的效果，在训练过程中吸引患者的兴趣是一个重要方面。虚拟

现实技术的发展使这种思想得以实现，研究者们采用基于虚拟环境的用户界面，

通过一些小游戏鼓励患者进行主动训练。基于虚拟环境的康复训练通常与网络相

结合，因此，不仅具有远程康复机器人系统的优点，还提高了患者进行康复训练

的能动性。本论文也基于此项新研究，提出了基于肌音信号控制的虚拟康复训练，

这样不仅能够辅助卒后康复患者进行功能康复训练，同时也可以降低成本，提高

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要人体肌音信号（Mechanomyography,MMG）是肌肉收缩时因肌肉纤维尺寸不同等因素产生叠加侧向机械振动的力学反应。与传统肌电信号相比，肌音信号具有信号幅值大、较为平稳和不需要考虑采集电极阻抗变化等优点。我国脑卒中患者群数量巨大，且大都患有上肢功能障碍后遗症，而功能康复训练是恢复上肢功能的主要途径之一。传统上大多利用肌电信号作为触发信号源来设计具有生物反馈功能的上肢功能康复训练系统。本论文首次提出并研究了一种基于人体肌音信号触发与虚拟环境的上肢功能康复训练方法，在虚拟环境中实现了基于肌音信号与上肢三维模型的功能康复训练模式，目的是改变现有康复训练系统控制信号源大多基于传统肌电信号的...

展开>> 收起<<

基于肌音信号的功能康复训练系统研究.pdf

共59页,预览6页

还剩页未读，继续阅读

基于肌音信号的功能康复训练系统研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: