一种基于自适应振荡模型的人体步态运动预测方法与流程

1.本发明涉及外骨骼运动规划领域，特别涉及一种基于自适应振荡模型的人体步态运动预测方法。

背景技术：

2.外骨骼是一种辅助人体并增强人体运动能力的智能可穿戴设备。在外骨骼的控制过程中，为实现智能辅助增强人体行走运动这一目的，通过算法预测人体行走的运动趋势，即可以及时调整控制策略，达到更好的控制效果。
3.通常实现此目的算法所依赖的信息来源有两类：一类是人体运动意图所表现出的生物电信息，如肌肉电信号(emg/fmg)或脑电信号；一类是人体肢体表现出的物理运动信息。前一类生物电信息的优点是信息来源早于运动实际发生时间，便于预测；缺点则是信息提取方式相对复杂，信噪比大，且易受到环境湿度、人体差异等因素干扰。后一类物理运动信息的优缺点与生物电方式相反，信息提取相关技术成熟，但由于信息晚于运动实际发生时间，因而对预测算法存在较高要求。本方案的算法是基于后一类物理运动信息而提出的。
4.实现人体运动预测的算法多是基于卷积神经网络或深度学习等人工智能类方法。该类方法有两方面的主要特点：一是需要大量实验数据进行预先训练，且训练过程对硬件的要求较高。二是该类方法虽然普适性较强，应用在不符合该算法先验条件的特定场景下时准确度通常较差。

技术实现要素：

5.本发明的目的在于提供一种基于自适应振荡模型的人体步态运动预测方法，实现了对人体步态的准确预测。
6.为了实现上述目的，本发明提供如下技术方案：一种基于自适应振荡模型的人体步态运动预测方法，包括以下步骤：s1：建立振荡器模型；s2：获取人体的实际步态运动信号；s3：通过所述振荡器模型对人体的实际步态运动信号进行重构从而获得步态运动重构信号；s4：基于所述步态运动重构信号对人体的步态运动信号进行预测。
7.进一步地，所述步态运动重构信号由多个正弦信号组成，且多个所述正弦信号的频率各不相同。
8.进一步地，所述振荡器模型为：
[0009][0010]
其中，为所述步态运动重构信号，αi(t)为第i个振荡器的幅值，为第i个振荡器的相位，α0(t)为偏移量。
[0011]
进一步地，αi(t)和α0(t)均基于所述实际步态的运动信号和所述步态运动重构信号的偏差值进行实时迭代。
[0012]
进一步地，的实时迭代公式为：
[0013][0014][0015]
αi(t)的实时迭代公式为：
[0016][0017]
α0(t)的实时迭代公式为：
[0018][0019]
其中f(t)为实际人体运动信号θ(t)和模型重构信号的偏差值，所述为第i个振荡器的相位迭代更新速度，v
ω
为第i个振荡器的频率迭代更新速度，v
η
为第i个振荡器的幅值迭代更新速度，ω(t)第i个振荡器的角加速度，分别为αi(t)、α0(t)、ω(t)的对于时间的一阶微分。
[0020]
进一步地，人体的步态运动信号的预测公式为：
[0021][0022]
其中，为经过时间δt后的人体的步态运动信号的预测值。
[0023]
进一步地，所述正弦信号的频率不超过10hz。
[0024]
分析可知，本发明公开一种基于自适应振荡模型的人体步态运动预测方法，本发明不需要对系统进行预先训练。并且由于本方法考虑到人体步态运动的周期性，结合傅里叶分解的理论基础对其进行针对设计，实现在运动过程中在线反馈迭代，具备自适应性，能够取得更好的预测效果。
附图说明
[0025]
构成本技术的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。其中：
[0026]
图1本发明一实施例的流程图。
具体实施方式
[0027]
下面将参考附图并结合实施例来详细说明本发明。各个示例通过本发明的解释的方式提供而非限制本发明。实际上，本领域的技术人员将清楚，在不脱离本发明的范围或精神的情况下，可在本发明中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本发明包含归入所附权利要求及其等同物的范围内的此类修改和变型。
[0028]
在本发明的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。本发明中使用的术语“相连”、“连接”、“设置”应做广义理解，例如，可以是固
定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间部件间接相连；可以是有线电连接、无线电连接，也可以是无线通信信号连接，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0029]
所附附图中示出了本发明的一个或多个示例。详细描述使用了数字和字母标记来指代附图中的特征。附图和描述中的相似或类似标记的已经用于指代本发明的相似或类似的部分。如本文所用的那样，用语“第一”、“第二”、“第三”以及“第四”等可互换地使用，以将一个构件与另一个区分开，且不旨在表示单独构件的位置或重要性。
[0030]
如图1所示，根据本发明的实施例，提供了一种基于自适应振荡模型的人体步态运动预测方法，包括以下步骤：
[0031]
s1：建立振荡器模型，欲重构的人体的步态运动信号由多个不同频率的正弦信号组成，即多个并联的振荡器模型；
[0032]
s2：获取人体的实际步态运动信号；
[0033]
s3：通过所述振荡器模型对人体的实际步态运动信号进行重构从而获得步态运动重构信号，人体的实际步态运动信号与振荡器模型重构后的步态运动信号进行比较，将二者比较的结果反馈到振荡器模型中，从而实时更新重构后的步态运动信号；
[0034]
s4：基于所述步态运动重构信号对人体的步态运动信号进行预测，基于步态运动重构信号可以预测一端时间内的人体的步态。
[0035]
优选地，所述步态运动重构信号由多个正弦信号组成，且多个所述正弦信号的频率各不相同。
[0036]
优选地，所述振荡器模型为：
[0037][0038]
其中，为所述步态运动重构信号，αi(t)为第i个振荡器的幅值，为第i个振荡器的相位，α0(t)为偏移量，本模型不需要预先采集数据对模型进行训练，并且在实际应用中计算量小，可实现难度低，对硬件算力的要求低。
[0039]
优选地，αi(t)和α0(t)均基于所述实际步态的运动信号和所述步态运动重构信号的偏差值进行实时迭代，实施迭代的αi(t)和α0(t)能够使振荡器模型及时更新，从而适应使用者的真实步态。
[0040]
优选地，的实时迭代公式为：
[0041][0042][0043]
αi(t)的实时迭代公式为：
[0044][0045]
α0(t)的实时迭代公式为：
[0046]
[0047]
其中f(t)为实际人体运动信号θ(t)和模型重构信号的偏差值，所述为第i个振荡器的相位迭代更新速度，v
ω
为第i个振荡器的频率迭代更新速度，v
η
为第i个振荡器的幅值迭代更新速度，的迭代更新速度一般在0-20之间。
[0048]
优选地，人体的步态运动信号的预测公式为：
[0049][0050]
其中，为经过时间δt后的人体的步态运动信号的预测值。
[0051]
优选地，所述正弦信号的频率不超过10hz，运动信号分解后有三个主要频率分量，与实际行走速度有关，一般频率范围在0～10hz。
[0052]
与现有技术相比，本发明不需要对系统进行预先训练。并且由于本方法考虑到人体步态运动的周期性，结合傅里叶分解的理论基础对其进行针对设计，实现在运动过程中在线反馈迭代，具备自适应性，能够取得更好的预测效果。
[0053]
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种基于自适应振荡模型的人体步态运动预测方法，其特征在于，包括以下步骤：s1：建立振荡器模型；s2：获取人体的实际步态运动信号；s3：通过所述振荡器模型对人体的实际步态运动信号进行重构从而获得步态运动重构信号；s4：基于所述步态运动重构信号对人体的步态运动信号进行预测。2.根据权利要求1所述的一种基于自适应振荡模型的人体步态运动预测方法，其特征在于，所述步态运动重构信号由多个正弦信号组成，且多个所述正弦信号的频率各不相同。3.根据权利要求1所述的一种基于自适应振荡模型的人体步态运动预测方法，其特征在于，所述振荡器模型为：其中，为所述步态运动重构信号，α
i
(t)为第i个振荡器的幅值，为第i个振荡器的相位，α0(t)为偏移量。4.根据权利要求3所述的一种基于自适应振荡模型的人体步态运动预测方法，其特征在于，α
i
(t)和α0(t)均基于所述实际步态的运动信号和所述步态运动重构信号的偏差值进行实时迭代。5.根据权利要求4所述的一种基于自适应振荡模型的人体步态运动预测方法，的实时迭代公式为：实时迭代公式为：α
i
(t)的实时迭代公式为：α0(t)的实时迭代公式为：其中f(t)为实际人体运动信号θ(t)和模型重构信号的偏差值，所述为第i个振荡器的相位迭代更新速度，v
ω
为第i个振荡器的频率迭代更新速度，v
η
为第i个振荡器的幅值迭代更新速度，ω(t)第i个振荡器的角加速度，分别为α
i
(t)、α0(t)、ω(t)的对于时间的一阶微分。6.根据权利要求1所述的种基于自适应振荡模型的人体步态运动预测方法，人体的步态运动信号的预测公式为：其中，为经过时间δt后的人体的步态运动信号的预测值。7.根据权利要求2所述的种基于自适应振荡模型的人体步态运动预测方法，所述正弦
信号的频率不超过10hz。

技术总结

本发明提供一种基于自适应振荡模型的人体步态运动预测方法，涉及外骨骼运动规划领域，包括以下步骤：S1：建立振荡器模型；S2：获取人体的实际步态运动信号；S3：通过所述振荡器模型对人体的实际步态运动信号进行重构从而获得步态运动重构信号；S4：基于所述步态运动重构信号对人体的步态运动信号进行预测，本发明公开一种基于自适应振荡模型的人体步态运动预测方法，本发明不需要对系统进行预先训练。并且由于本方法考虑到人体步态运动的周期性，结合傅里叶分解的理论基础对其进行针对设计，实现在运动过程中在线反馈迭代，具备自适应性，能够取得更好的预测效果。能够取得更好的预测效果。能够取得更好的预测效果。