一种基于表面肌电信号的运动意图识别方法及装置

1.本发明涉及信号处理技术领域，具体涉及一种基于表面肌电信号的运动意图识别方法及装置。


背景技术：

2.表面肌电信号是肌肉收缩时伴随的电信号，可以反应肌肉的收缩程度，还可以通过分析表面肌电信号，识别出肌肉的运动状态，因此，在医疗、康复、运动科学等诸多应用科学领域中广泛使用。
3.目前常用的识别肌肉运动状态的肌电信号意图识别方法，大多都是针对运动模式的识别，即非等长收缩运动的识别，如屈曲运动、伸展运动等。等长收缩时，如平板撑、倒立等。由于肌电信号一直存在，通常被错误的识别为非等长收缩，导致姿态识别不准确。


技术实现要素：

4.有鉴于此，本发明提供了一种基于表面肌电信号的运动意图识别方法及装置，以解决现有技术中姿态识别不准确的技术问题。
5.第一方面，本发明提供了一种基于表面肌电信号的运动意图识别方法，包括：
6.获取待识别对象的表面肌电信号，表面肌电信号由设置在待识别对象预设肌肉位置上的肌电信号传感器采集获得；
7.确定出表面肌电信号中的第一肌电信号，其中，第一肌电信号为有效的激活信号；
8.提取第一肌电信号的第一信号特征；
9.将第一信号特征，输入预先建立并训练的意图识别模型，确定出待识别对象的运动意图，其中，运动意图包括与运动关节对应的运动状态。
10.通过提取有效的激活信号的信号特征，从而进行运动意图的确定，不仅可以提高待识别对象的姿态识别的准确性，还可以提高识别效率，尤其是针对等长收缩时的运动状态的识别。有助于辅助患者进行上肢姿态保持训练，还有助于为患者提供更精准的治疗和康复方案。
11.在一种可选的实施方式中，确定出表面肌电信号中的第一肌电信号，包括：
12.从表面肌电信号的起始信号点开始依次判断各信号点的肌电幅值是否大于第一阈值；
13.在信号点中的第一信号点的肌电幅值大于第一阈值的情况下，确定第一信号点为激活状态的起始点，并开始计算激活状态时长；
14.在第一信号点之后的信号点的肌电幅值连续大于第一阈值的情况下，激活状态时长增加；
15.在第一信号点之后的信号点的肌电幅值小于第一阈值的情况下，开始计算静息状态时长直至信号点的肌电幅值再次大于第一阈值时，静息状态时长截止；
16.在静息状态时长处于静息时长阈值内的情况下，激活状态时长截止，激活状态结
束；
17.判断激活状态时长内的肌电信号是否为有效信号；
18.将有效的激活状态时长内的肌电信号作为第一肌电信号。
19.在数据处理阶段加入了端点识别算法，可以提高在运动意图发生时识别的灵敏性，以及对运动起始点识别的准确性，进而可以提高第一肌电信号确定的准确性，从而可以准确的识别出待识别对象的运动意图。
20.在一种可选的实施方式中，判断激活状态时长内的肌电信号是否为有效信号，包括：
21.判断激活状态时长是否大于最大激活状态时长，且高阈值时长是否大于最短高阈值时长；
22.在激活状态时长大于最小激活状态时长，且高阈值时长大于最短高阈值时长的情况下，确定激活状态时长内的肌电信号为有效信号；
23.其中，高阈值时长为激活状态时长内的肌电幅度大于第二阈值的总时长。
24.第二阈值的设置可以帮助判别激活状态时长内的肌电信号是否为有效的肌电信号，可以避免将其他非肌电信号，例如噪声信号或干扰信号等误判为肌电信号。有助于提高识别准确性，并提取出真实的肌电信号，以进行后续分析。
25.在一种可选的实施方式中，在激活状态时长小于最小激活状态时长，和/或高阈值时长小于最短高阈值时长的情况下，确定激活状态时长内的肌电信号为噪音信号。
26.在确定出激活状态时长内的肌电信号后，还要进一步判断该激活状态时长内的肌电信号是否为噪音信号。若为噪音信号，则该段肌电信号不参与运动意图的识别。可以有效排除掉噪声等不相关信号，提高识别的准确性。
27.在一种可选的实施方式中，提取第一肌电信号的第一信号特征，包括：
28.对第一肌电信号进行分窗处理，提取每一窗口的第一子信号特征；
29.将所有第一肌电信号对应的第一子信号特征，作为第一信号特征。
30.通过将第一肌电信号进行分窗处理，可以将原始信号切割成多个窗口，从而降低了数据的维度。有助于减少数据处理和分析的复杂性，提高计算效率。还有助于提取有效信息并增强对肌电信号的特征分析能力。
31.在一种可选的实施方式中，在将第一信号特征，输入预先建立并训练的意图识别模型之前，还包括：
32.获取实验对象的样本表面肌电信号；
33.确定出样本表面肌电信号中的第二肌电信号以及第三肌电信号，其中，第二肌电信号为有效的激活信号，第三肌电信号为静息信号；
34.将第二肌电信号分割为与运动意图对应的第一子肌电信号，提取第一子肌电信号的第二信号特征；并提取第三肌电信号的第三信号特征；
35.根据实验对象的比例，将与实验对象对应的第二信号特征与第三信号特征，划分为训练集与验证集对预先建立的意图识别模型进行训练。
36.通过获取实验对象的样本表面肌电信号，并确定第二肌电信号以及第三肌电信号。进一步提取其特征并划分为训练集和验证集进行模型训练。训练出的意图识别模型，提高了对肌电信号意图的准确分类的能力，且效率高，有助于提高意图识别的准确性和可靠
性，并为医疗与康复等领域的精准治疗提供支持。
37.在一种可选的实施方式中，将第二肌电信号分割为与运动意图对应的第一子肌电信号，包括：
38.获取实验对象的运动数据，运动数据由设置在实验对象四肢位置上的惯性传感器采集获得；其中，实验对象的样本表面肌电信号与运动数据的时间序列一致；
39.确定运动数据中与运动意图对应的运动时间节点，运动时间节点用于将第二肌电信号分割为与运动意图对应的第一子肌电信号。
40.利用运动数据有助于判断第二肌电信号中与运动意图对应的肌电信号，有利于提高意图识别模型训练的准确性，从而可以实现更精确和可靠的运动意图的识别和分类。
41.第二方面，本发明提供了一种基于表面肌电信号的运动意图识别装置，装置包括：
42.获取模块，用于获取待识别对象的表面肌电信号，表面肌电信号由设置在待识别对象预设肌肉位置上的肌电信号传感器采集获得；
43.确定模块，用于确定出表面肌电信号中的第一肌电信号，其中，第一肌电信号为有效的激活信号；
44.提取模块，用于提取第一肌电信号的第一信号特征；
45.状态模块，用于将第一信号特征，输入预先建立并训练的意图识别模型，确定出待识别对象的运动意图，其中，运动意图包括与运动关节对应的运动状态。
46.第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的基于表面肌电信号的运动意图识别方法。
47.第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的基于表面肌电信号的运动意图识别方法。
附图说明
48.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1是根据本发明实施例的基于表面肌电信号的运动意图识别方法的流程示意图；
50.图2是根据本发明实施例的分窗处理的原理示意图；
51.图3是根据本发明实施例的基于表面肌电信号的运动意图识别装置的结构框图；
52.图4是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
53.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没
有做出创造性劳动前提下所获得的所有其他实施例，都属于明保护的范围。
54.在一些意图识别的技术中，由于无法准确区分肌肉等长收缩和其他运动模式，通常会将等长收缩误识别为向心收缩。举例来说，当肘关节屈曲运动进行等长收缩时，肘关节的角度保持在某个值，而通常识别为肘关节屈曲运动。因此，在一些技术中，无法有效针对肌肉收缩模式进行识别。
55.鉴于此，根据本发明实施例，提供了一种基于表面肌电信号的运动意图识别方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
56.在本实施例中提供了一种基于表面肌电信号的运动意图识别方法，可用于服务器、终端等设备，图1是根据本发明实施例的基于表面肌电信号的运动意图识别方法的流程图，如图1所示，该流程包括如下步骤：
57.步骤s101，获取待识别对象的表面肌电信号，所述表面肌电信号由设置在所述待识别对象预设肌肉位置上的肌电信号传感器采集获得。
58.可以将肌电信号传感器设置在待识别对象的肱二头肌、肱三头肌、三角肌中束、三角肌前束、胸大肌上沿、三角肌后束等预设肌肉位置，通过设置在待识别对象预设肌肉位置上的肌电信号传感器采集待识别对象的表面肌电信号。肢体在产生不同的运动时，不同的肌肉会进行收缩或协同收缩，例如，当肘关节进行屈曲运动时，此时肱二头肌收缩，当肩关节进行前屈运动时，此时三角肌前束收缩。
59.步骤s102，确定出所述表面肌电信号中的第一肌电信号，其中，所述第一肌电信号为有效的激活信号。
60.在确定出所述表面肌电信号中的第一肌电信号之前，还包括：
61.利用小波滤波算法对表面肌电信号进行滤波，滤除噪音，获得较干净的肌电数据。并对滤波后的表面肌电信号进行归一化处理，使用最大主动收缩(maximum voluntary contraction，简称mvc)的峰值作为归一化标准。进而，在确定出处理后的表面肌电信号中的第一肌电信号。
62.由于获得的表面肌电信号中，可能存在干扰信号等，因此，在识别出表面肌电信号后，可以通过肌电幅值，进一步判断出表面肌电信号中的有效的激活信号，也即是第一肌电信号。这样有助于减少噪音和非特定信号的干扰。
63.步骤s103，提取所述第一肌电信号的第一信号特征。可以将复杂的第一肌电信号转化为更具代表性的特征表示，有助于降低数据维度，减少冗余信息。
64.步骤s104，将所述第一信号特征，输入预先建立并训练的意图识别模型，确定出所述待识别对象的运动意图，其中，所述运动意图包括与运动关节对应的运动状态。运动状态可以是向心收缩、等长收缩、离心收缩等，运动意图可以是指肘关节向心收缩、肩关节离心收缩等。
65.本实施例中，可以通过获取的待识别对象的表面肌电信号，确定出该表面肌电信号中有效的激活信号，并提取其第一信号特征；将第一信号特征输入预先建立并训练的意图识别模型，从而即可以确定出该待识别对象的运动意图。通过提取有效的激活信号的信号特征，从而进行运动意图的确定，不仅可以提高待识别对象的姿态识别的准确性，还可以
提高识别效率，尤其是针对等长收缩时的运动状态的识别。有助于辅助患者进行上肢姿态保持训练，还有助于为患者提供更精准的治疗和康复方案。
66.在一些可选的实施方式中，所述确定出所述表面肌电信号中的第一肌电信号，包括：
67.初始时，表面肌电信号一般处于静息状态。从所述表面肌电信号的起始信号点开始依次判断各信号点的肌电幅值是否大于第一阈值；
68.在所述信号点中的第一信号点的所述肌电幅值大于第一阈值的情况下，确定所述第一信号点为激活状态的起始点，并开始计算激活状态时长；
69.在所述第一信号点之后的所述信号点的所述肌电幅值连续大于第一阈值的情况下，所述激活状态时长增加；
70.在所述第一信号点之后的所述信号点的所述肌电幅值小于第一阈值的情况下，开始计算静息状态时长直至所述信号点的所述肌电幅值再次大于所述第一阈值时，所述静息状态时长截止；
71.在所述静息状态时长处于静息时长阈值内的情况下，所述激活状态时长截止，激活状态结束；
72.判断所述激活状态时长内的肌电信号是否为有效信号；
73.将有效的所述激活状态时长内的肌电信号作为所述第一肌电信号。
74.本实施例中，可以利用双阈值法结合非线性能量算子(nonlinear energy operator，简称neo)对表面肌电信号的始末点进行识别。也即是，可以建立两个阈值，第一阈值可以用于确定激活段肌电信号的起点与终点，第二阈值可以用于判别此段信号是否为肌电信号。
75.本实施例中，采用neo算子，可以将信号中的非平稳信号进行放大，提高算法处理非平稳信号的处理能力。且在数据处理阶段加入了端点识别算法，可以提高在运动意图发生时识别的灵敏性，以及对运动起始点识别的准确性，进而可以提高第一肌电信号确定的准确性，从而可以准确的识别出待识别对象的运动意图。
76.在一些可选的实施方式中，所述判断所述激活状态时长内的肌电信号是否为有效信号，包括：
77.判断所述激活状态时长是否大于最大激活状态时长，且高阈值时长是否大于最短高阈值时长；
78.在所述激活状态时长大于最小激活状态时长，且所述高阈值时长大于最短高阈值时长的情况下，确定所述激活状态时长内的肌电信号为有效信号；
79.其中，所述高阈值时长为所述激活状态时长内的所述肌电幅度大于第二阈值的总时长。
80.本实施例中，第二阈值的设置可以帮助判别激活状态时长内的肌电信号是否为有效的肌电信号，可以避免将其他非肌电信号，例如噪声信号或干扰信号等误判为肌电信号。有助于提高识别准确性，并提取出真实的肌电信号，以进行后续分析。
81.在一些可选的实施方式中，在所述激活状态时长小于最小激活状态时长，和/或所述高阈值时长小于最短高阈值时长的情况下，确定所述激活状态时长内的肌电信号为噪音信号。
82.本实施例中，在确定出激活状态时长内的肌电信号后，还要进一步判断该激活状态时长内的肌电信号是否为噪音信号。若为噪音信号，则该段肌电信号不参与运动意图的识别。可以有效排除掉噪声等不相关信号，提高识别的准确性。
83.在一些可选的实施方式中，所述提取所述第一肌电信号的第一信号特征，包括：
84.对所述第一肌电信号进行分窗处理，提取每一窗口的第一子信号特征；
85.将所有所述第一肌电信号对应的所述第一子信号特征，作为所述第一信号特征。
86.参照图2所示，利用滑动窗口将第一肌电信号进行分窗处理，每次进行识别的肌电数据长度可以为t
total
，滑动窗口长度可以为t
sub
，窗口位移长度可以为t
inc
。利用滑动窗口将窗口位移长度内的肌电数据分割成若干个更小长度的数据。对每个小窗口内的数据进行特征提取，可以将所有窗口提取到的所有特征合并，作为单次识别的整个所有特征，并将该整个的所有特征作为第一信号特征。
87.本实施例中，通过将第一肌电信号进行分窗处理，可以将原始信号切割成多个窗口，从而降低了数据的维度。有助于减少数据处理和分析的复杂性，提高计算效率。还有助于提取有效信息并增强对肌电信号的特征分析能力。
88.在一些可选的实施方式中，在将所述第一信号特征，输入预先建立并训练的意图识别模型之前，还包括：
89.获取实验对象的样本表面肌电信号，样本表面肌电信号可以由设置在实验对象预设肌肉位置上的肌电信号传感器采集获得。其中，样本表面肌电信号中包括多种自由度运动的不同运动意图的肌电信号。可以是实验对象上肢各个自由度运动的数据，在每个自由度运动中，肢体可以进行向心收缩、等长收缩、离心收缩三种收缩运动，并采集每种运动对应的样本表面肌电信号。
90.确定出所述样本表面肌电信号中的第二肌电信号以及第三肌电信号，其中，所述第二肌电信号为有效的激活信号，所述第三肌电信号为静息信号。
91.在确定出所述样本表面肌电信号中的第二肌电信号以及第三肌电信号之前，还包括：
92.利用小波滤波算法对样本表面肌电信号进行滤波，滤除噪音，获得较干净的肌电数据。并对滤波后的样本表面肌电信号进行归一化处理，使用最大主动收缩(maximum voluntary contraction，简称mvc)的峰值作为归一化标准，肌电信号每一时刻幅值表示为mvc的百分比。
93.然后再对处理后的样本表面肌电信号进行端点识别，确定出样本表面肌电信号中的有效的激活信号以及静息信号。
94.将所述第二肌电信号分割为与运动意图对应的第一子肌电信号，提取所述第一子肌电信号的第二信号特征；并提取所述第三肌电信号；
95.针对肌肉收缩模式，可以根据运动数据，将每个自由度运动的肌电信号均分割为向心收缩、离心收缩、等长收缩3种肌电信号。并分别提取每个第一子肌电信号的第二信号特征。同时还提取静息信号的第三信号特征。其中，信号特征可以为肌电信号的均方根误差。
96.可以将每段第一子肌电信号通过数据分割，分成了n个大窗口的数据，每个大窗口又可以被分为n个小窗口，以每个小窗口的数据为单位进行一次特征提取，并以一个大窗口
为一个样本，则一个样本为具有n个特征的特征组。标签可以为对应的自由度运动及对应的肌肉收缩模式两个标签。
97.根据所述实验对象的比例，将与所述实验对象对应的所述第二信号特征与所述第三信号特征，划分为训练集与验证集对预先建立的意图识别模型进行训练。
98.本实施例中，通过获取实验对象的样本表面肌电信号，并确定第二肌电信号以及第三肌电信号。进一步提取其特征并划分为训练集和验证集进行模型训练。训练出的意图识别模型，提高了对肌电信号意图的准确分类的能力，且效率高，有助于提高意图识别的准确性和可靠性，并为医疗与康复等领域的精准治疗提供支持。
99.并且，本实施例中，还将静息信号的特征作为训练及验证数据，有助于提高静息状态的判断，也即是无肌肉信号时的休息无运动状态。
100.在一些可选的实施方式中，所述将所述第二肌电信号分割为与运动意图对应的第一子肌电信号，包括：
101.获取所述实验对象的运动数据，所述运动数据由设置在所述实验对象四肢位置上的惯性传感器采集获得；其中，所述实验对象的所述样本表面肌电信号与所述运动数据的时间序列一致；
102.确定所述运动数据中与所述运动意图对应的运动时间节点，所述运动时间节点用于将所述第二肌电信号分割为与运动意图对应的第一子肌电信号。
103.惯性传感器可以设置在待试验对象的四肢位置上，以采集试验对象的运动数据。可以依据运动数据中惯性信号的加速度值变化，将运动数据分割为向心收缩、等长收缩、离心收缩三个动作，获得动作间转换的时间节点，依据惯性信号的时间节点，再将各个自由度运动的肌电信号分割为向心收缩、等长收缩、离心收缩三个状态。也即是将确定出的第二肌电信号分割为与运动意图对应的第一子肌电信号。
104.本实施例中，利用运动数据有助于判断第二肌电信号中与运动意图对应的肌电信号，有利于提高意图识别模型训练的准确性，从而可以实现更精确和可靠的运动意图的识别和分类。
105.在本实施例中还提供了一种基于表面肌电信号的运动意图识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
106.本实施例提供一种基于表面肌电信号的运动意图识别装置，如图3所示，包括：
107.获取模块201，用于获取待识别对象的表面肌电信号，所述表面肌电信号由设置在所述待识别对象预设肌肉位置上的肌电信号传感器采集获得；
108.确定模块202，用于确定出所述表面肌电信号中的第一肌电信号，其中，所述第一肌电信号为有效的激活信号；
109.提取模块203，用于提取所述第一肌电信号的第一信号特征；
110.状态模块204，用于将所述第一信号特征，输入预先建立并训练的意图识别模型，确定出所述待识别对象的运动意图，其中，所述运动意图包括与运动关节对应的运动状态。
111.本实施例中的基于表面肌电信号的运动意图识别装置是以功能单元的形式来呈现，这里的单元是指asic电路，执行一个或多个软件或固定程序的处理器和存储器，和/或
其他可以提供上述功能的器件。
112.上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
113.本发明实施例还提供一种计算机设备，具有上述图3所示的基于表面肌电信号的运动意图识别装置。
114.请参阅图4，图4是本发明可选实施例提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器10为例。
115.处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
116.其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。
117.存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
118.存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
119.该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
120.本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或
接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
121.虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

技术特征：
1.一种基于表面肌电信号的运动意图识别方法，其特征在于，所述方法包括：获取待识别对象的表面肌电信号，所述表面肌电信号由设置在所述待识别对象预设肌肉位置上的肌电信号传感器采集获得；确定出所述表面肌电信号中的第一肌电信号，其中，所述第一肌电信号为有效的激活信号；提取所述第一肌电信号的第一信号特征；将所述第一信号特征，输入预先建立并训练的意图识别模型，确定出所述待识别对象的运动意图，其中，所述运动意图包括与运动关节对应的运动状态。2.根据权利要求1所述的方法，其特征在于，所述确定出所述表面肌电信号中的第一肌电信号，包括：从所述表面肌电信号的起始信号点开始依次判断各信号点的肌电幅值是否大于第一阈值；在所述信号点中的第一信号点的所述肌电幅值大于第一阈值的情况下，确定所述第一信号点为激活状态的起始点，并开始计算激活状态时长；在所述第一信号点之后的所述信号点的所述肌电幅值连续大于第一阈值的情况下，所述激活状态时长增加；在所述第一信号点之后的所述信号点的所述肌电幅值小于第一阈值的情况下，开始计算静息状态时长直至所述信号点的所述肌电幅值再次大于所述第一阈值时，所述静息状态时长截止；在所述静息状态时长处于静息时长阈值内的情况下，所述激活状态时长截止，激活状态结束；判断所述激活状态时长内的肌电信号是否为有效信号；将有效的所述激活状态时长内的肌电信号作为所述第一肌电信号。3.根据权利要求2所述的方法，其特征在于，所述判断所述激活状态时长内的肌电信号是否为有效信号，包括：判断所述激活状态时长是否大于最大激活状态时长，且高阈值时长是否大于最短高阈值时长；在所述激活状态时长大于最小激活状态时长，且所述高阈值时长大于最短高阈值时长的情况下，确定所述激活状态时长内的肌电信号为有效信号；其中，所述高阈值时长为所述激活状态时长内的所述肌电幅度大于第二阈值的总时长。4.根据权利要求3所述的方法，其特征在于，在所述激活状态时长小于最小激活状态时长，和/或所述高阈值时长小于最短高阈值时长的情况下，确定所述激活状态时长内的肌电信号为噪音信号。5.根据权利要求1所述的方法，其特征在于，所述提取所述第一肌电信号的第一信号特征，包括：对所述第一肌电信号进行分窗处理，提取每一窗口的第一子信号特征；将所有所述第一肌电信号对应的所述第一子信号特征，作为所述第一信号特征。6.根据权利要求1所述的方法，其特征在于，在将所述第一信号特征，输入预先建立并
训练的意图识别模型之前，还包括：获取实验对象的样本表面肌电信号；确定出所述样本表面肌电信号中的第二肌电信号以及第三肌电信号，其中，所述第二肌电信号为有效的激活信号，所述第三肌电信号为静息信号；将所述第二肌电信号分割为与运动意图对应的第一子肌电信号，提取所述第一子肌电信号的第二信号特征；并提取所述第三肌电信号的第三信号特征；根据所述实验对象的比例，将与所述实验对象对应的所述第二信号特征与所述第三信号特征，划分为训练集与验证集对预先建立的意图识别模型进行训练。7.根据权利要求6所述的方法，其特征在于，所述将所述第二肌电信号分割为与运动意图对应的第一子肌电信号，包括：获取所述实验对象的运动数据，所述运动数据由设置在所述实验对象四肢位置上的惯性传感器采集获得；其中，所述实验对象的所述样本表面肌电信号与所述运动数据的时间序列一致；确定所述运动数据中与所述运动意图对应的运动时间节点，所述运动时间节点用于将所述第二肌电信号分割为与运动意图对应的第一子肌电信号。8.一种基于表面肌电信号的运动意图识别装置，其特征在于，所述装置包括：获取模块，用于获取待识别对象的表面肌电信号，所述表面肌电信号由设置在所述待识别对象预设肌肉位置上的肌电信号传感器采集获得；确定模块，用于确定出所述表面肌电信号中的第一肌电信号，其中，所述第一肌电信号为有效的激活信号；提取模块，用于提取所述第一肌电信号的第一信号特征；状态模块，用于将所述第一信号特征，输入预先建立并训练的意图识别模型，确定出所述待识别对象的运动意图，其中，所述运动意图包括与运动关节对应的运动状态。9.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7任一项所述的基于表面肌电信号的运动意图识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-7任一项所述的基于表面肌电信号的运动意图识别方法。

技术总结
本发明涉及信号处理技术领域，公开了一种基于表面肌电信号的运动意图识别方法及装置，该方法包括：获取待识别对象的表面肌电信号，表面肌电信号由设置在待识别对象预设肌肉位置上的肌电信号传感器采集获得；确定出表面肌电信号中的第一肌电信号，其中，第一肌电信号为有效的激活信号；提取第一肌电信号的第一信号特征；将第一信号特征，输入预先建立并训练的意图识别模型，确定出待识别对象的运动意图，其中，运动意图包括与运动关节对应的运动状态。本发明不仅可以提高待识别对象的姿态识别的准确性，还可以提高识别效率，有助于辅助患者进行上肢姿态保持训练，还有助于为患者提供更精准的治疗和康复方案。供更精准的治疗和康复方案。供更精准的治疗和康复方案。


技术研发人员：刘斌 黄锟 沙连森 张文彬 张名琦 史文青 姚兴亮
受保护的技术使用者：中国科学院苏州生物医学工程技术研究所
技术研发日：2023.07.12
技术公布日：2023/9/14