肌肉协同识别算法

高密度激活下更可靠

一种从高密度估计肌肉激活中确定最优功能性肌肉协同的计算方法，结合改进的计算肌肉控制算法和稀疏非负矩阵分解，提高了重建精度与可重复性。

Chen, Yaru · 王永轩 · Fan, Gao · Borui, Dong · Wenqian, Chen · 刘蓉

IEEE Transactions on Instrumentation and Measurement 2024

参数信息

识别的最优肌肉协同数

5

验证数据集受试者人数

10

技术优势

协同数量自动定

复合可靠性指标为最优协同数识别提供了客观判断标准，避免了主观设定。

深层肌群看得见

从高密度估计肌肉激活中识别出涉及深层和小肌群的独立协同，在早期摆动相发挥作用。

重建更准更稳

稀疏非负矩阵分解提高了重建精度和重复性，使得提取的协同更可靠。

应用场景

• 康复机器人控制：基于深层肌群协同设计康复训练，避免只依赖表面肌电的局限。
• 仿人运动控制：用早期摆动相的深层肌协同规划仿人步态，提高控制器生物合理性。
• 神经肌肉建模：提供客观协同数确定方法，使神经肌肉模型更贴合实测激活。
• 外骨骼肌电控制：用估计激活代替部分表面肌电，减少传感器数量并保留深层信息。
• 人机运动意图识别：以低维肌肉协同作为特征，提升运动意图识别的鲁棒性。