融合心电与表面肌电特征的下肢康复疲劳估计方法

作者：苑尧尧; 曹佃国^*; 李聪; 刘澄玉

来源：生物医学工程学杂志, 2020, 37(06): 1056-1064.

• 下肢疲劳估计
• 心电信号
• 表面肌电信号
• 特征融合
• 改进的粒子群优化-支持向量机

疲劳估计在下肢康复训练过程中对提高意图识别精度、避免二次伤害有重要意义。现有方法多是仅利用表面肌电信号(sEMG)特征进行疲劳估计,未考虑加入蕴含疲劳状态信息的心电信号(ECG)特征,识别率较低且不稳定。针对此问题,提出了一种将ECG与sEMG特征融合用于下肢康复疲劳估计的方法,设计改进的粒子群优化-支持向量机分类器,对融合特征向量进行识别,实现对轻松、过渡和疲累三种不同疲劳状态的准确识别,最终三种状态识别率分别为98.5%、93.5%、95.5%。经实验证明,该方法的平均识别率与只依靠sEMG特征相比提高了4.50%,比未经特征融合的ECG、sEMG组合特征提高了13.66%,证明将ECG与sEMG进行特征融合可以实现下肢康复疲劳的准确检测。

• 单位
  东南大学; 曲阜师范大学