1.一种融合机械手和功能性电刺激的手功能康复双闭环调控系统,其特征在于:包括肌电‑惯性信号同步采集及数据预处理模块、手部精细动作特征提取及意图解析模块、手运动功能监测及智能评估模块、可穿戴机械手自适应控制模块、功能性电刺激动态调控模块、信息传输及数据库模块以及可穿戴康复手硬件;
所述肌电‑惯性信号同步采集及数据预处理模块通过无线通信与手部精细动作特征提取及意图解析模块和手部运动功能监测及智能评估模块连接,所述肌电‑惯性信号同步采集及数据预处理模块用于肌电、惯性数据采集和信号预处理;所述信号预处理首先使用自适应高通滤波器和自适应50Hz工频陷波滤波器分别去除信号中的基线漂移和工频干扰,再使用巴特沃斯三阶带通FIR滤波器进行处理,选取信号的有效频段特征;所述手部精细动作特征提取及意图解析模块和手部运动功能监测及智能评估模块的数据均通过无线通信存储于数据库,并与可穿戴机械手自适应控制模块和功能性电刺激动态调控模块连接,所述手部精细动作特征提取及意图解析模块用于精细动作特征提取和意图解析;所述精细动作特征提取基于多尺度熵和小波包分解获取肌电和运动信息的多域动态特征,提取体现手部精细意图的稳定特征指标;意图解析通过所提取的多域动态特征,采用支持向量机算法获取用户精细运动意图;其中,多尺度熵将样本熵扩展到多个时间尺度,以便在时间尺度不确定时提供额外的观察视角;
多尺度熵包括对时间序列进行粗粒化或下采样,在越来越粗略的时间分辨率下分析时间序列;
当scale为1时,粗粒化数据的结果就是原始时间序列;
当scale为2时,粗粒化后序列通过计算两连续时间点的平均值形成,即:
y1=(x1+x2)/2;y2=(x3+x4)/2
当scale为3时,粗粒化时间序列为三个连续时间点平均值构成,即定义:
y1=(x1+x2+x3)/3;y2=(x4+x5+x6)/3
依此类推;
粗粒化过程分两种形式:一是非重叠式,每次跳跃τ个数据,取τ个数据做平均以产生新数据;二是重叠式,每次跳跃1‑τ个数据,取τ个数据做平均;
上述粗粒化过程为非重叠式,其数学定义为:
其中,τ表示时间尺度,即每次跳跃τ个数据,j表示所采数据的次数, 表示第j次所采集的时间尺度为τ的数据;
然后,计算与每个尺度或分辨率对应的样本熵,并绘制样本熵-尺度曲线图;曲线下的面积是所选尺度范围内样本熵值之和,是多尺度熵的度量,一个波动大的时间序列会产生大的熵值,因此可以认为是具有高复杂度的信号;小波包分解既可以对低频部分信号进行分解,也可以对高频部分进行分解,而且这种分解既无冗余,也无疏漏,所以对包含大量中、高频信息的信号能够进行更好的时频局部化分析;
j
式中,i=0,1,2,…,2‑1,fj,i(ti)为小波包分解在第j层节点(j,i)上的重构信号;
所述功能性电刺激动态调控模块用于功能性电刺激动态调控和参量选择,基于深度学习算法构建FES组合参数的在线学习和闭环调整策略,实现其刺激位置和强度关键参数的动态调控;参量选择基于所提取特征,选择合适的参量进行控制,功能性电刺激动态调控所调节参数包括:频率、脉冲、占空比、波升/波降、电流强度、刺激部位;具体训练方案如下:在康复软瘫期,通过优化特征、优选刺激参数方式,给患者意图动作的任务关联主动肌以正向刺激,诱发患者主动运动,加速早期康复进程;在康复痉挛期,应用FES刺激拮抗肌降低痉挛程度,同时诱发完成简单的单关节运动,诱导异常运动模式向分离、自主运动方向发展;在康复恢复期,通过辨识行为意图、优选刺激参数方式,完成精细动作功能恢复,以日常任务完成为导向,提高任务难度并增加趣味性,促进其运动相关脑区获得更高水平激活;所述可穿戴机械手自适应控制模块和功能性电刺激动态调控模块均通过无线通信控制可穿戴康复手硬件进而控制手部运动。
2.根据权利要求1所述的一种融合机械手和功能性电刺激的手功能康复双闭环调控系统,其特征在于:所述手部运动功能监测及智能评估模块用于运动功能特征提取、功能状态评估与动作完成度评估;运动功能特征提取结合一致性和非负矩阵分解分解肌电和运动信息的同步耦合特征;功能状态评估基于所提取的肌电和运动信息的同步耦合特征,获取体现手部运动功能状态的客观定量指标,实现手部运动功能状态评估;动作完成度评估基于所提取的肌电和运动信息的同步耦合特征,获取体现手部运动轨迹的客观定量指标,实现手部动作完成度评估。
3.根据权利要求1所述的一种融合机械手和功能性电刺激的手功能康复双闭环调控系统,其特征在于:所述可穿戴机械手自适应控制模块用于康复模式选择和关键参量控制。
4.根据权利要求1所述的一种融合机械手和功能性电刺激的手功能康复双闭环调控系统,其特征在于:所述信息传输及数据库模块包括无线通信与数据库。
5.根据权利要求1所述的一种融合机械手和功能性电刺激的手功能康复双闭环调控系统,其特征在于:所述可穿戴康复手硬件包括可穿戴机械手及功能性电刺激单元。