一种基于表面肌电信号传感器的人体能量消耗预测系统及其预测方法

技术领域

本发明涉及运动能耗测评、人体运动疲劳评估和运动医学技术领域，特别涉及一种基于表面肌电信号传感器的人体能量消耗预测系统及其预测方法。

背景技术

现代社会中，越来越多的肥胖、心血管病、高血压、高血脂等文明病的发生逐渐年轻化，因此唯独有意识地增强体力活动才能改善这一点。为了更科学地健身，必须将人体能量消耗进行量化。传统能量消耗预测方法主要包括主观测量法和客观测量法。主观测量法主要有体力活动日志及回忆法，但由于主观测量错误率偏高而受到学者质疑。

常用的客观测量法有直接测量法、间接测量法、双标水法、心率测量法、运动传感器法。直接测量法、间接测量法以及双标水法由于精度较高，被国际上公认为能量消耗预测的金标准。同时也存在一些缺点，如双标水法需要非常专业的操作人员，且需要受试者口服试剂，成本高、不便利；直接测量法受限于实验设备成本过高以及采集气体时间长，不适合于病人的问题，心率测量法虽然被证明心率与运动强度呈正相关，但还是存在个体差异较大的问题。随着运动传感器以及微机电技术的发展，运动传感器逐渐成为体力活动监测与评价中的重要角色，其中主要有加速度计、表面肌电信号传感器、心率检测器、压电传感器。

表面肌电信号传感器检测法的基本原理是通过检测人体肌肉运动强度来计算出人体运动能耗，具体是通过将表征运动强度的肌电信号归一化后，采用线性回归或者人工神经网络来将该信号与运动能耗构成一个明确的线性关系，从目前已有的文献研究来看，两者之间的关系是线性的。

发明内容

针对现有人体运动能耗评估设备的种类不足、价格昂贵、精度不高、体积过大等缺陷，本发明提供一种微型化、可快速测量、可穿戴的人体能量消耗预测系统，该系统的各个模块采用无线方式进行通讯，能够在不影响人体动作的前提下实时采集人体肌电信号并进行分析，同时具有低功耗、数据精准等优点，使之能够方便地融入使用者的日常生活。

本发明的第一个目的在于提供一种基于表面肌电信号传感器的人体能量消耗预测系统，所述人体能量消耗预测系统包括至少一个表面肌电信号采集模块、无线数据传输系统和计算机数据处理系统；每个表面肌电信号采集模块包括至少一个表面肌电信号采集单元、电源管理单元、无线发射装置和上位单片机，所述表面肌电信号采集单元包括表面肌电信号传感器；所述表面肌电信号传感器用于采集人体各部位的表面肌电特征参数，采集到的数据通过所述无线发射装置和无线数据传输系统发送给计算机数据处理系统，所述表面肌电信号采集单元与上位单片机通过无线通讯连接进行数据传输，所述上位单片机用于将所述表面肌电信号传感器采集到的数据进行A/D转换后进行特征提取；所述电源管理单元用于对所述表面肌电信号采集模块的其它部件供电。

作为本发明一种优选的实施方式，所述人体能量消耗预测系统包括四个表面肌电信号采集模块，每个表面肌电信号采集模块包括两个相互连接的表面肌电信号采集单元；八个表面肌电信号采集单元分别位于人体走跑运动中关键发力的肌肉群：比目鱼肌、排肠肌内侧、胫骨前肌、内侧腘绳肌、外侧腘绳肌、股内侧肌、股外侧肌和股直肌。

作为本发明一种优选的实施方式，所述无线发射装置与所述上位单片机通过SPI通讯方式连接，用于实时上传所述表面肌电特征参数和接收指令。

作为本发明一种优选的实施方式，所述无线发射装置为NRF无线收发器，所述NRF无线收发器包括频率发生器、功率放大器、模式控制器、晶体振荡器和调制解调器。

作为本发明一种优选的实施方式，所述无线发射装置分为四个从机模块和一个上位单片机模块，所述四个从机模块位于用于数据采集的四个表面肌电信号采集模块上，所述从机模块与所述上位单片机模块遵循相同的通信协议、通信频率和通信速率，所述上位单片机模块通过设置不同的接收地址将数据分包发送给所述计算机数据处理系统，从而完成数据上传。

作为本发明一种优选的实施方式，所述表面肌电信号采集单元还包括Ag/AgCl差分表面电极、仪表放大器、高通和低通滤波器。

作为本发明一种优选的实施方式，所述表面肌电信号采集单元的表面肌电信号传感器与所述单片机通过I2C串行通信。

作为本发明一种优选的实施方式，所述无线数据传输系统包括射频天线，所述射频天线由NRF无线收发器和USB转TTL模块组成；所述射频天线与各个表面肌电信号采集模块构成主从网络，将各个表面肌电信号采集模块发送过来的数据按照特定协议规定的数据格式发送给所述计算机数据处理系统。

作为本发明一种优选的实施方式，所述计算机数据处理系统对从各个表面肌电信号采集模块得到人体各部位的表面肌电特征参数信息进行数据分段、时域频域转换、功率谱估计、参数归一化和曲线拟合，然后通过线性回归和/或BP神经网络的方法对各个表面肌电特征参数信息与能量消耗之间的关系建立联系，并进行数据分析。

本发明的第二个目的在于提供一种基于表面肌电信号传感器的人体能量消耗预测方法，包括如下操作步骤：

(1)表面肌电信号的采集：按照一定的采样频率进行采集，得到表面肌电信号采集值；

(2)然后对获得的表面肌电原始采集值进行放大、滤波和降噪，得到表面肌电处理值；

(3)对步骤(2)得到的表面肌电处理值进行特征分析，得到表面肌电特征值；

(4)将人体实时原生表面肌电信号及其衍生的特征参数的时域频域结果显现出来，通过计算中位频率MF来计算肌肉的疲劳程度，将疲劳特征考虑到人体能量预测中，采用线性回归、多项式拟合和/或人工神经网络的方法对人体能量值进行回归预测并绘制能量消耗图。

具体地，基于表面肌电信号传感器的人体能量消耗预测方法，包括如下步骤：

(1)表面肌电信号的采集：按照一定的采样频率进行采集，得到表面肌电信号采集值；

(2)然后对获得的表面肌电原始采集值进行放大、滤波和降噪，得到表面肌电处理值；

(3)表面肌电信号的特征值提取(即对步骤(2)得到的表面肌电处理值进行特征分析，得到表面肌电特征值)：

在对肌电指标进行分析时分别选取时域分析指标和频域分析指标，时域分析指标包括均方根值RMS(一段时间内，所有参与活动的肌肉瞬间肌电图振幅均方根值，其变化主要反映一段时间内肌电的平均变化特征、参与活动的运动单位类型以及同步化程度)，可在时间维度上反映表面肌电信号振幅的变化特征；频域分析指标，主要的分析方法是对表面肌电信号进行快速傅里叶转换，获得表面肌电信号的频谱或功率谱，可反映表面肌电信号在不同频率分量的变化，故能较好地在频率维度上反映表面肌电信号的变化，包括平均功率频率MPF(某个时间点，所有参与活动的肌电信号的快速傅里叶变换结果-功率谱，功率的平均值所对应的频率值，临床和运动学等领域判断肌肉疲劳程度的常用指标)和中位频率MF(某个时间点，所有参与活动的肌电信号的快速傅里叶变换结果-功率谱，功率谱图面积的一半对应的频率值，反映运动单位放电频率的中间值)；

具体地，均方根值RMS的计算公式为式(1)：

其中，x

中位频率MF的计算公式通过式(2)、式(3)计算：

其中，f为表面肌电信号采集时测得的采集值对应的频率，f

(4)将人体实时原生表面肌电信号及其衍生的特征参数的时域频域结果显现出来，通过计算中位频率MF来计算肌肉的疲劳程度，将疲劳特征考虑到人体能量预测中，采用线性回归、多项式拟合和/或人工神经网络的方法对人体能量值进行回归预测并绘制能量消耗图；

具体地，引入疲劳特征参数得到的能量预测公式为式(4)：

EE＝p

式(4)中，p

其中，p

与现有技术相比，本发明的有益效果是：

1)本发明的人体能量消耗预测系统，解决了现有产品大多精度不高、体积大、且成本较高的问题，现有的表面肌电产品几乎无法做到适用于人体的高精度能量预测，本发明将表面肌电传感器通过固定装置固定在用户身体的各个指定待测肌肉来采集各块肌肉的原始表面肌电信号，并将之进行滤波放大后，计算转化成身体各块肌肉的特征参数。同时，本发明考虑肌肉疲劳以及个体特征对肌电特征参数的影响因素，在进行回归预测的时候，将疲劳参数引入，从而减轻疲劳导致的肌电能量信号的升高，从而可以对人体能量消耗预测进行更高精度的回归预测，在临床医疗领域以及运动状态评估另一，能量消耗预测对于肢体障碍患者的康复效果评估以及运动员的训练指导作用都具有重要的参考意义。

2)本发明的人体能量消耗预测系统，采用模块化设计，使得产品损坏时易于快速更换，同时使得外形美观，易于用户佩戴，可以有效地减少用户损坏造成的损失，且方便生产和工厂量产，有助于技术推广。

3)本发明的人体能量消耗预测系统，采用无线设计方案，尽可能地减少了人体佩戴的不适感，同时避免由于身体动作带来的传感器位移，提高用户体验。

4)本发明的人体能量消耗预测系统，可以根据用户的需要，对特定肌肉的能量消耗进行单块的锁定，即可以针对特定的一块肌肉评测用户的能量消耗、肌肉疲劳等，因而用户使用自由度更高，适用范围更广。

附图说明

图1为本发明的人体能量消耗预测系统的结构原理图。

图2为本发明的人体能量消耗预测系统的单个表面肌电信号采集单元的结构原理图。

图3为本发明的人体能量消耗预测系统的单个表面肌电信号采集模块的结构原理图。

图4为本发明的人体能量消耗预测系统的工作流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种基于表面肌电信号传感器的人体能量消耗预测系统，包括至少一个表面肌电信号采集模块11、无线数据传输系统12和计算机数据处理系统13；每个表面肌电信号采集模块11包括至少一个表面肌电信号采集单元111、电源管理单元112、无线发射装置113(在本实施例中优选为NRF无线发射装置)和上位单片机114(在本实施例中优选为KL25Z128VLK4单片机)。在一个优选实施例中，人体能量消耗预测系统包括四个表面肌电信号采集模块11，每个表面肌电信号采集模块11包括两个相互连接的表面肌电信号采集单元111；八个表面肌电信号采集单元111分别位于人体走跑运动中关键发力的肌肉群：比目鱼肌、排肠肌内侧、胫骨前肌、内侧腘绳肌、外侧腘绳肌、股内侧肌、股外侧肌和股直肌。表面肌电信号采集单元111与上位单片机114通过无线通讯连接进行数据传输，上位单片机114用于将表面肌电信号传感器1111采集到的数据进行A/D转换后进行特征提取；电源管理单元112用于对表面肌电信号采集模块11的其它部件供电，并提供充电和断电的功能。每个表面肌电信号采集单元111通过绷带固定在人体的一个部位，上位单片机114将表面肌电信号采集单元111获取到的数据通过无线发射装置113发送给计算机数据处理系统13。

如图2所示，表面肌电信号采集单元111包括表面肌电信号传感器1111、Ag/AgCl差分表面电极1112、仪表放大器1113、高通和低通滤波器1114。其中，表面肌电信号传感器1111用于采集人体各部位的表面肌电特征参数，采集到的数据通过无线发射装置113和无线数据传输系统12发送给计算机数据处理系统13。由于表面肌电信号十分微弱，所述仪表放大器1113起到放大信号以供后续研究的作用，高通和低通滤波器1114将所得的原生表面肌电信号集中在20Hz到500Hz范围之间，并且剔除噪声，表面肌电信号采集单元111与上位单片机114通过串行I2C通讯进行数据传输。

上位单片机114将表面肌电信号采集单元111获取到的原生表面肌电信号数据进行计算得到表面肌电信号特征参数，例如：均方根(RMS)、中位频率(MF)、瞬时能量值(EMA)，同时将这些特征参数通过无线发射装置113发送给计算机数据处理系统。

无线发射装置113由工作在2.4GHz-2.5GHz的ISM频段的单片无线收发器芯片NRF24L01构成。无线收发器包括频率发生器、模式控制器、晶体振荡器、功率放大器、调制解调器。无线发射装置113与上位单片机114之间采用SPI协议通讯，用于实时上传表面肌电信号数据和接收指令。

无线发射装置113分为四个从机模块和一个上位单片机模块，所述四个从机模块位于用于数据采集的四个表面肌电信号采集模块11上，所述从机模块与所述上位单片机模块遵循相同的通信协议、通信频率和通信速率，所述上位单片机模块通过设置不同的接收地址将数据分包发送给所述计算机数据处理系统13，从而完成数据上传。

无线数据传输系统12包括射频天线121，所述射频天线121由NRF无线收发器和USB转TTL模块组成；所述射频天线121与各个表面肌电信号采集模块11构成主从网络，将各个表面肌电信号采集模块11发送过来的数据按照特定协议规定的数据格式发送给所述计算机数据处理13系统。

如图3所示，在一个优选实施例中，表面肌电信号采集模块11包括一个供电模块301、一个单片机302(在本实施例中优选为KL25Z128VLK4单片机)、两个表面肌电信号(EMG)传感器303、一个滤波放大器304、一个稳压模块305、一个NRF无线收发器芯片306、一个Bootloader烧录焊盘307和一个程序加载焊盘308。其中，EMG传感器303与单片机302采用I2C串行通信，稳压模块305包括电源开关、钽电容、肖基特二极管等，主要起到整流稳压的作用。供电模块301优选地接入电源为CR2032型3.3伏纽扣电池。NRF无线收发器芯片306与射频天线121遵循相同的通信协议、通信频率和通信速率，当电源通电时自动保持连接。单片机302为本发明的主控芯片，负责系统资源的分配调度，对EMG传感器303获取的初始数据完成滤波放大与特征提取，同时用于接收指令和上传数据。Bootloader烧录焊盘307为全新芯片烧录bootloader时使用，与USBISP引脚对应连接烧录即可，程序加载盘308用于烧写本发明硬件部分系统程序，配合USB转TTL接口使用，常用CH340或者FT232RL烧写代码。

如图4所示为本发明的人体能量消耗预测系统的工作流程图，包括如下步骤：

步骤401：人体能量消耗预测系统四个模块全部上电，完成系统初始化；

步骤402：系统自动发送同步时钟指令，使各模块系统时间同步；

步骤403：设置无线通讯信道，使得四个模块的NRF无线发射装置与射频天线处于相同的通信频率、通信速率和通信协议的通信网络中；

步骤404：判断是否接收到开始指令，若是，则进入步骤405，否则继续等待；

步骤405：EMG传感器开始采集表面肌电信号特征参数数据；

步骤406：将读取到的表面肌电信号特征参数数据进行滤波放大处理，并进行特征提取，即均方根(RMS)、中位频率(MF)等特征参数；

步骤407：将肌电信号以及特征参数通过NRF无线发射装置发送给射频天线；

步骤408：射频天线与计算机数据处理系统相连，实时读取肌电信号并将其时域信号以及频域信号通过软件展示；

步骤409：判断肌肉是否疲劳，

若否则，步骤411：通过传统线性回归方式计算人体能量消耗；

若是则，步骤410：把表征疲劳的特征参数引入回归方程的权重系数中，通过不断地训练调整得出最佳系数值；

步骤412：通过测试集测试回归方程的预测与实际值的偏差，通过统计学分析评估其置信程度；

步骤413：若回归方程泛化性能好，则将方程导出并将泛化数据集应用于其上，展示预测结果。

用户将本项目用于人体能量消耗预测。将表面肌电采集系统完全分装在3D打印的外包装盒内，外包装盒系有固定绳带，使EMG传感器可以穿戴于人体的各块肌肉，一共有八个节点，分别佩戴于用户的比目鱼肌、排肠肌内侧、胫骨前肌、内侧腘绳肌、外侧腘绳肌、股内侧肌、股外侧肌和股直肌上。将射频天线103插入到电脑的USB口，在计算机上打开计算机数据处理系统，扫描到射频天线的USB端口号，点击选中对应的端口号，然后拨动开关给四个模块上电，则数据已经开始采集。由于肌肉运动产生的肌电信号特征参数数据流将源源不断地发送给射频天线，计算机数据处理中心将把这些特征参数作为数据输入，根据肌肉疲劳影响，输入到对应的回归预测模型中，从而获得准确的能量消耗预测值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。