陈江城　张小栋　尹　贵

西安交通大学，西安，710049



基于表面肌电信号的人体步态事件快速识别方法

陈江城张小栋尹贵

西安交通大学，西安，710049

针对下肢康复训练机器人主动训练阶段患者运动检测实时性、准确性的需求，提出一种基于动态表面肌电信号的人体步态事件快速识别方法。首先，通过表面肌电信号产生过程数学建模及步态过程中肌肉活动规律分析，给出了基于表面肌电信号强度及其变化特征的步态事件感知原理；其次，以双腿股外侧肌动态表面肌电信号强度及其变化为特征，构建了用于识别支撑和摆动两个步态事件的自适应模糊神经网络模型。实验结果表明：该方法识别结果正确率达95.3%，对足跟触地和脚尖离地事件发生时刻进行识别的平均时间误差分别为21.4 ms和24.5 ms，同时证明，该方法对步态之间表面肌电信号的差异具有较强的鲁棒性。

表面肌电信号；步态事件；自适应模糊神经网络；康复机器人

0　引言

下肢康复训练机器人具有比传统人工医疗师辅助训练更多的优点，被康复工作者和下肢偏瘫患者认可与接受[1-2]。随着研究深入，康复训练机器人从被动的位置控制方式向人机协同控制和多种控制混合的方向发展，将最大程度利用患者的主动运动意愿，提高康复效果[3-4]。为实现人机运动协同，外骨骼机器人需要对穿戴者的运动意图进行检测，尤其对于行走步态过程中的摆动与支撑阶段，具有不同的人机动力学特点，往往需要采取混合的协同控制策略，而步态阶段的准确识别是实现控制策略切换和步态安全稳定过渡的重要保障[5-6]。……