本發(fā)明涉及下肢訓(xùn)練效果評估領(lǐng)域，具體是指一種基于傳感器的下肢訓(xùn)練效果評估系統(tǒng)。

背景技術(shù)：

1、下肢訓(xùn)練效果評估具體是指對進(jìn)行下肢鍛煉進(jìn)行的一系列評估和測試，下肢訓(xùn)練效果評估對于確定訓(xùn)練計劃的有效性、監(jiān)測訓(xùn)練進(jìn)度、預(yù)防運動傷害以及優(yōu)化運動表現(xiàn)至關(guān)重要。然而，評估數(shù)據(jù)存在個體差異性，依靠經(jīng)驗分析下肢訓(xùn)練效果是不可靠的，會受主觀判斷、知識局限性和個人偏好的影響；根據(jù)肌電信號分析肌肉力量可以更精確地對訓(xùn)練效果進(jìn)行評估，肌電信號的變化是一個動態(tài)的過程，特征提取方法必須可以適應(yīng)這種動態(tài)的過程，并且因個體生理差異而存在不同；肌肉力量與肌電信號之間的關(guān)系通常是較為復(fù)雜的非線性關(guān)系，肌肉在不同的活動水平下，肌電信號的特性也不相同，傳統(tǒng)的分析方法無法自動調(diào)整以適應(yīng)肌電信號的變化。

技術(shù)實現(xiàn)思路

1、針對上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種基于傳感器的下肢訓(xùn)練效果評估系統(tǒng)，針對評估數(shù)據(jù)存在個體差異性，依靠經(jīng)驗分析下肢訓(xùn)練效果是不可靠的，會受主觀判斷、知識局限性和個人偏好的影響的技術(shù)問題，本發(fā)明構(gòu)建了一種評估模型對肌電信號進(jìn)行分析，能夠提供一致的評估效果，減少主觀判斷的影響，提高評估的準(zhǔn)確性；針對肌電信號的變化是一個動態(tài)的過程，特征提取方法必須可以適應(yīng)這種動態(tài)的過程，并且因個體生理差異而存在不同的技術(shù)問題，本發(fā)明使用均方根對肌電信號進(jìn)行跨通道歸一化處理，并從歸一化信號中提取時域特征和相關(guān)系數(shù)，確保不同通道的肌電信號具有相似的量級，以便后續(xù)數(shù)據(jù)分析，減少數(shù)據(jù)分析的計算復(fù)雜性；針對肌肉力量與肌電信號之間的關(guān)系通常是較為復(fù)雜的非線性關(guān)系，肌肉在不同的活動水平下，肌電信號的特性也不相同，傳統(tǒng)的分析方法無法自動調(diào)整以適應(yīng)肌電信號的變化的技術(shù)問題，本發(fā)明將隨機森林和支持向量機回歸結(jié)合起來構(gòu)建評估模型，對肌電信號的狀態(tài)進(jìn)行分類后再對肌肉力量進(jìn)行評估，結(jié)合了兩者各自的優(yōu)點，提高評估模型的精確度，并使用遺傳算法對支持向量機回歸模型的參數(shù)進(jìn)行優(yōu)化，有效減少過擬合的風(fēng)險，提高了評估模型的泛化能力。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供了一種基于傳感器的下肢訓(xùn)練效果評估系統(tǒng)，所述一種基于傳感器的下肢訓(xùn)練效果評估系統(tǒng)包括肌電數(shù)據(jù)采集模塊、肌電信號檢查模塊和肌肉力量評估模塊；

3、所述肌電數(shù)據(jù)采集模塊將表面電極沿肌肉纖維方向貼附在皮膚上，通過導(dǎo)線將表面電極連接到肌電圖儀，記錄肌電信號；

4、所述肌電信號檢查模塊實時監(jiān)控肌電信號，如果存在明顯的噪聲和干擾，則重新采集肌電信號，否則，將肌電信號傳輸至肌肉力量評估模塊；

5、所述肌肉力量評估模塊采用一種肌肉力量評估方法對肌肉力量進(jìn)行評估，所述一種肌肉力量評估方法具體包括以下步驟：

6、步驟s1：訓(xùn)練數(shù)據(jù)采集，記錄訓(xùn)練狀態(tài)，使用肌電圖儀和傳感器采集下肢訓(xùn)練時的肌電信號和肌肉力量，記為訓(xùn)練信號和訓(xùn)練力量，所述訓(xùn)練信號、訓(xùn)練狀態(tài)和訓(xùn)練力量構(gòu)成訓(xùn)練數(shù)據(jù)集；

7、步驟s2：數(shù)據(jù)預(yù)處理，包括數(shù)據(jù)清洗、數(shù)據(jù)歸一化和特征提?。?/p>

8、步驟s3：下肢訓(xùn)練內(nèi)容分類和力量評估，使用隨機森林和支持向量機回歸構(gòu)建評估模型，對評估模型進(jìn)行訓(xùn)練，輸出預(yù)測力量；

9、步驟s4：將肌電信號輸入到訓(xùn)練完成的評估模型進(jìn)行分析，得到下肢訓(xùn)練的力量評估結(jié)果。

10、進(jìn)一步地，步驟s2，數(shù)據(jù)預(yù)處理，具體包括以下步驟：

11、步驟s21：數(shù)據(jù)清洗，去除肌電信號的直流分量，依次使用窄帶陷波濾波器過濾和半波整流，得到濾波信號；

12、步驟s22：使用均方根對濾波信號進(jìn)行跨通道歸一化處理，得到歸一化信號，所用公式如下：

13、；

14、式中，是對第個肌電通道中的濾波信號進(jìn)行歸一化的函數(shù)，是濾波信號的窗口的大小，是濾波信號的窗口的時間間隔，是窗口內(nèi)的肌電通道，是時刻，是窗口中的第個肌電通道的信號，是時刻第個肌電通道的離散肌電信號；

15、步驟s23：從歸一化信號中提取時域特征和相關(guān)系數(shù)，計算歸一化信號的均值絕對值，反映歸一化信號的信號強度，利用離散肌電信號的微分特性，計算歸一化信號的零階功率譜、二階功率譜、四階功率譜和六階功率譜，所用公式如下：

16、；

17、式中，是階功率譜，，是頻率指數(shù)，是頻率指數(shù)為時的離散肌電信號；

18、步驟s24：計算一階平均幅度變化和二階平均幅度變化，表示間接頻率信息，所用公式如下：

19、；

20、式中，是階平均幅度變化的函數(shù)，，是離散肌電信號的變化值；

21、步驟s25：使用對數(shù)函數(shù)對上述均值絕對值、零階功率譜、二階功率譜、四階功率譜、六階功率譜、一階平均幅度變化和二階平均幅度變化進(jìn)行非線性變換，計算每對肌電通道的相似性強度，并去除相似度高于70%的肌電通道，所用公式如下：

22、；

23、式中，和是兩個不同的肌電通道，是相關(guān)系數(shù)函數(shù)，和分別是和的平均值，和分別是時刻的肌電通道值。

24、進(jìn)一步地，步驟s3，下肢訓(xùn)練內(nèi)容分類和力量評估，具體包括以下步驟：

25、步驟s31：建立并初始化隨機森林模型，將訓(xùn)練信號和訓(xùn)練狀態(tài)輸入到隨機森林模型中進(jìn)行訓(xùn)練，隨機森林模型輸出訓(xùn)練狀態(tài)；

26、步驟s32：建立并初始化支持向量機回歸模型，將訓(xùn)練信號和訓(xùn)練力量按訓(xùn)練狀態(tài)分組后輸入到支持向量機回歸模型中進(jìn)行訓(xùn)練，支持向量機回歸模型輸出預(yù)測力量，設(shè)置高斯半徑基函數(shù)作為支持向量機回歸模型的核函數(shù)，將訓(xùn)練力量映射到高緯度空間，所用公式如下：

27、；

28、式中，為常數(shù)，是核函數(shù)，是第個訓(xùn)練信號；

29、步驟s33：計算最優(yōu)回歸函數(shù)，所用公式如下：

30、；

31、式中，是回歸函數(shù)，是最優(yōu)回歸函數(shù)，是權(quán)向量，是預(yù)先確定的常量參數(shù)，和分別是支持向量機回歸模型輸出的上約束和下約束；

32、步驟s34：定義支持向量機回歸模型的損失函數(shù)，所用公式如下：

33、；

34、式中，是支持向量機回歸模型的損失函數(shù)，是輸入的訓(xùn)練信號，是輸入的訓(xùn)練力量，是預(yù)測力量，是訓(xùn)練狀態(tài)；

35、步驟s35：對支持向量機回歸模型進(jìn)行優(yōu)化，使用遺傳算法對支持向量機回歸模型中的超平面參數(shù)進(jìn)行優(yōu)化，遺傳算法的目標(biāo)函數(shù)公式如下：

36、；

37、式中，是遺傳算法的目標(biāo)函數(shù)，取值范圍是[0，1]，是控制特征個數(shù)和評估精確度關(guān)系的權(quán)重，是評估精確度，是訓(xùn)練數(shù)據(jù)集中的樣本總數(shù)。

38、采用上述方案本發(fā)明取得的有益效果如下：

39、（1）針對評估數(shù)據(jù)存在個體差異性，依靠經(jīng)驗分析下肢訓(xùn)練效果是不可靠的，會受主觀判斷、知識局限性和個人偏好的影響的技術(shù)問題，本發(fā)明構(gòu)建了一種評估模型對肌電信號進(jìn)行分析，能夠提供一致的評估效果，減少主觀判斷的影響，提高評估的準(zhǔn)確性；

40、（2）針對肌電信號的變化是一個動態(tài)的過程，特征提取方法必須可以適應(yīng)這種動態(tài)的過程，并且因個體生理差異而存在不同的技術(shù)問題，本發(fā)明使用均方根對肌電信號進(jìn)行跨通道歸一化處理，并從歸一化信號中提取時域特征和相關(guān)系數(shù)，確保不同通道的肌電信號具有相似的量級，以便后續(xù)數(shù)據(jù)分析，減少數(shù)據(jù)分析的計算復(fù)雜性；

41、（3）針對肌肉力量與肌電信號之間的關(guān)系通常是較為復(fù)雜的非線性關(guān)系，肌肉在不同的活動水平下，肌電信號的特性也不相同，傳統(tǒng)的分析方法無法自動調(diào)整以適應(yīng)肌電信號的變化的技術(shù)問題，本發(fā)明將隨機森林和支持向量機回歸結(jié)合起來構(gòu)建評估模型，對肌電信號的狀態(tài)進(jìn)行分類后再對肌肉力量進(jìn)行評估，結(jié)合了兩者各自的優(yōu)點，提高評估模型的精確度，并使用遺傳算法對支持向量機回歸模型的參數(shù)進(jìn)行優(yōu)化，有效減少過擬合的風(fēng)險，提高了評估模型的泛化能力。