一种基于肌动信号的股四头肌收缩力量估计方法研究

HFCAS OpenIR

	一种基于肌动信号的股四头肌收缩力量估计方法研究
其他题名	An Estimation Method of Quadriceps Femoris Contraction Strength Using Mechanomyography Signal
	王大庆 1; 郭伟斌1 ; 吴海峰1 ; 高理富1
	2018
发表期刊	传感技术学报
ISSN	1004-1699
摘要	针对可穿戴设备及共融机器人中的力/力矩测量需求,提出了一种基于相关向量机的人体股四头肌收缩力量估计方法,该方法具备采集设备安装方便、鲁棒性强且宜人性好等优点。通过采集人体股四头肌主要肌肉的MMG信号,提取平均绝对值MAV、平均功率频率MPF、样本熵SampEn及2个不同通道MMG信号之间的相关系数CC2Cs 4个特征,利用基于稀疏贝叶斯理论的相关向量机算法RVM构建了MMG-肌肉收缩力量模型,并验证了所提方法的有效性和准确度。结果表明,同一参与者的模型估计结果的均方根误差RMSE为8.7%MVC（最大肌肉随意收缩力）,决定系数R 2为0.817,该方法是一种有效、适宜应用在可穿戴设备的人体股四头肌收缩力量估计方法。
其他摘要	In view of the measurement of force/torque for wearable devices and coexisting-cooperative-cognitive robots,a estimation method of human muscle contraction strength based on MMG siganl was proposed,which has the advantages of easy fixing,reliable usage and agreeableness. The MMG signal of the quadriceps femoris were collected,and then the mean absolute value（MAV）,mean power frequency（MPF）,sample entropy（SampEn）,and correlation coefficients between two different MMG channels（CC2Cs）were extracted. On this basis,the model of MMG-muscle contraction strength was constructed using the relevance vector machine（RVM）based on Sparse Bayesian Modelling,the validity and accuracy of the proposed method was verified. The results indicated that the RMSE of the same-participant validation was 8.7%MVC and R 2 was 0.817,which demonstrates it was an convenient,effective and suitable for wearable devices method for estimating human muscle contraction strength.
关键词	可穿戴机器人肌肉收缩力量肌动信号相关向量机
收录类别	CSCD
语种	中文
CSCD记录号	CSCD:6387856
引用统计	被引频次：1[CSCD] [CSCD记录]
文献类型	期刊论文
条目标识符	http://ir.hfcas.ac.cn:8080/handle/334002/97942
专题	中国科学院合肥物质科学研究院
作者单位	1.中国科学院合肥智能机械研究所 2.中国科学院合肥智能机械研究所 3.中国科学院合肥智能机械研究所 4.中国科学院合肥智能机械研究所
推荐引用方式 GB/T 7714	王大庆,郭伟斌,吴海峰,等. 一种基于肌动信号的股四头肌收缩力量估计方法研究[J]. 传感技术学报,2018,031.
APA	王大庆,郭伟斌,吴海峰,&高理富.(2018).一种基于肌动信号的股四头肌收缩力量估计方法研究.传感技术学报,031.
MLA	王大庆,et al."一种基于肌动信号的股四头肌收缩力量估计方法研究".传感技术学报 031(2018).