基于多模态生物医学信号的下肢运动学连续预测
信号处理
2021-03-24 v1
摘要
测量与融合多模态生物医学信号的快速增长技术，使得下肢外骨骼的先进运动意图解码方案成为可能，满足了居家医疗康复或辅助应用日益增长的需求。外骨骼运动意图解码方案的挑战在于进行连续预测以补偿机械传动引起的迟滞响应。本文以平地行走中膝关节角度预测为案例，通过提出一种超前于时间的下肢运动学连续预测来解决该问题。首先，提出由特征提取器和角度预测器组成的端到端运动学预测网络（KinPreNet），并与传统用于步态相位超前预测的特征和方法进行实验对比。其次，受机电延迟（EMD）启发，我们通过验证不同预测时间段的性能，进一步探索算法补偿机械传动响应延迟的能力，并在实验中揭示了补偿迟滞响应的时间边界。第三，通过对比使用与否用EMG信号，揭示EMG与运动学信号对连续预测的协同贡献。实验中，记录了十名健康受试者的九块肌肉EMG信号及由惯性测量单元（IMU）信号算得的膝关节角度。据我们所知，这是首个基于机电延迟（EMD）以超前方式连续预测下肢运动学的研究。
引用
@article{arxiv.2103.11910,
title = {Continuous Prediction of Lower-Limb Kinematics From Multi-Modal Biomedical Signals},
author = {Chunzhi Yi and Feng Jiang and Shengping Zhang and Hao Guo and Chifu Yang and Zhen Ding and Baichun Wei and Xiangyuan Lan and Huiyu Zhou},
journal= {arXiv preprint arXiv:2103.11910},
year = {2021}
}