阅读说明：本技术 假肢控制方法、装置、电子设备及存储介质 (Prosthesis control method, device, electronic device and storage medium ) 是由 李红红 韩久琦 姚秀军 桂晨光 于 2020-05-29 设计创作，主要内容包括：本发明涉及一种假肢控制方法、装置、电子设备及存储介质,所述假肢控制方法包括：获取在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号,分别对伸肌肌电信号及屈肌肌电信号进行信号处理,得到伸肌肌活动信号和屈肌肌活动信号,将伸肌肌活动信号和屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型,得到目标动作,预设生理分类模型中的阈值根据预先在用户腕伸肌和腕屈肌处采集的肌电信号确定,生成用于控制假肢做出目标动作的控制指令。本发明实施例由于预设生理分类模型中的阈值根据预先在用户腕伸肌和腕屈肌处采集的肌电信号确定,所以可以避免不同用户的个体差异对预测结果的影响,使预测得到的目标动作更加准确。(The invention relates to a prosthesis control method, a device, electronic equipment and a storage medium, wherein the prosthesis control method comprises the following steps: the method comprises the steps of acquiring extensor myoelectric signals and flexor myoelectric signals collected at extensor and flexor muscles of a wrist of a user, respectively carrying out signal processing on the extensor myoelectric signals and the flexor myoelectric signals to obtain extensor activity signals and flexor activity signals, inputting the extensor activity signals and the flexor activity signals to a preset physiological classification model for predicting artificial limb actions to obtain target actions, determining a threshold value in the preset physiological classification model according to the myoelectric signals collected at the extensor and flexor muscles of the wrist of the user in advance, and generating a control instruction for controlling the artificial limb to make the target actions. According to the embodiment of the invention, the threshold value in the preset physiological classification model is determined according to the electromyographic signals collected at the extensor and flexor muscles of the wrist of the user in advance, so that the influence of individual differences of different users on the prediction result can be avoided, and the predicted target action is more accurate.)

假肢控制方法、装置、电子设备及存储介质

技术领域

本申请涉及医疗器械技术领域，尤其涉及一种假肢控制方法、装置、电子设备及存储介质。

背景技术

假肢作为一种重要的医疗机械装置，能够帮助上肢残疾患者进行日常生活活动(Activities of daily life,ADLs)，从而减轻截肢患者由于形体不足带来的身心痛苦。通过输入开关、力传感器、肌电信号等控制信号，假肢控制器能帮助使用者驱动假肢实现不同关节的动作。

为了实现假肢的控制，表面肌电信号处理是最常用的控制信息提取方式。表面肌电信号(surface Electromyography，sEMG)是指在肌肉动作或静止状态下，在皮肤表面通过电极采集到的一定长度的信号，具有幅值小，易受干扰的特点。肌电信号是一种包含使用者潜在动作意识的综合生物电信号。

然而，现有肌电控制方法是基于肌电信号幅度的阈值控制，一般一次只能控制一个自由度，而假肢的多自由度动作需要借助硬件的模式切换才能实现，阈值控制是一种最传统的异步控制方法。目前，对灵巧假肢多自由度控制多部分是通过模式识别的方法，一般是通过训练分类器对动作模式进行判别，一次只能控制一种动作模式，并且模型计算量较大。由于分类器模型的建立过程受测试者个体差异及临床混杂因素影响较大，在线估计效果不够理想。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种假肢控制方法、装置、电子设备及存储介质。

第一方面，本申请提供了一种假肢控制方法，所述方法包括：

获取在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号；

分别对所述伸肌肌电信号及所述屈肌肌电信号进行信号处理，得到伸肌肌活动信号和屈肌肌活动信号；

将所述伸肌肌活动信号和所述屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型，得到目标动作，所述预设生理分类模型中的阈值根据预先在所述用户腕伸肌和腕屈肌处采集的肌电信号确定；

生成用于控制所述假肢做出所述目标动作的控制指令。

可选的，将所述伸肌肌活动信号和所述屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型，得到目标动作，包括：

计算所述伸肌肌活动信号和所述屈肌肌活动信号的信号比值及信号差值；

若所述伸肌肌活动信号大于预设第一信号阈值，所述信号比值大于预设第一比值阈值，且，所述信号差值大于预设第一差值阈值，确定目标动作为伸腕动作；

若所述屈肌肌活动信号大于预设第二信号阈值，所述信号比值小于预设第二比值阈值，且，所述信号差值小于预设第二差值阈值，确定目标动作为屈腕动作；

若所述伸肌肌活动信号和所述屈肌肌活动信号中的较小值大于预设第三信号阈值，所述信号比值位于预设第三比值阈值和第四比值阈值之间，所述信号差值的绝对值大于预设第三差值阈值，确定目标动作为握拳动作或者伸掌动作。

可选的，对所述伸肌肌电信号进行信号处理，得到伸肌肌活动信号，包括：

对所述伸肌肌电信号进行校正，得到校正信号；

根据所述校正信号计算包络信号；

对所述包络信号进行归一化处理，得到归一化包络信号；

在所述归一化包络信号中提取有效活动段，得到所述伸肌肌活动信号。

可选的，对所述伸肌肌电信号进行校正，得到校正信号，包括：

滤除所述伸肌肌电信号中小于预设基线阈值的部分，保留所述伸肌肌电信号中大于预设基线阈值的部分，得到所述校正信号。

可选的，根据所述校正信号计算包络信号，包括：

将预设核函数中的窗口参数进行初始化；

将所述校正信号与所述预设核函数融合，将所述校正信号中的各数据点逐点更新至所述预设核函数内，每将一个数据点更新至所述预设核函数内，计算所述预设核函数的积分值，得到所述包络信号。

可选的，对所述包络信号进行归一化处理，得到归一化包络信号，包括：

将所述包络信号与预设的归一化系数进行归一化计算，得到所述归一化包络信号，所述归一化系数根据预先采集的所述用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号及腕屈肌肌电信号确定。

可选的，在所述归一化包络信号中提取有效活动段，得到所述伸肌肌活动信号，包括：

将所述归一化包络信号中大于预设活动阈值的数据点所在的数据点位置确定为活动起始位置；

将所述归一化包络信号中小于预设活动阈值的数据点所在的数据点位置确定为活动终止位置；

所述归一化包络信号中将所述活动起始位置和所述活动终止位置之间的部分确定为所述伸肌肌活动信号。

第二方面，本申请提供了一种假肢控制装置，所述装置包括：

获取模块，用于获取在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号；

信号处理模块，用于分别对所述伸肌肌电信号及所述屈肌肌电信号进行信号处理，得到伸肌肌活动信号和屈肌肌活动信号；

输入模块，用于将所述伸肌肌活动信号和所述屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型，得到目标动作，所述预设生理分类模型中的阈值根据预先在所述用户腕伸肌和腕屈肌处采集的肌电信号确定；

控制模块，用于生成用于控制所述假肢做出所述目标动作的控制指令。

可选的，所述输入模块，包括：

计算单元，用于计算所述伸肌肌活动信号和所述屈肌肌活动信号的信号比值及信号差值；

第一确定单元，用于若所述伸肌肌活动信号大于预设第一信号阈值，所述信号比值大于预设第一比值阈值，且，所述信号差值大于预设第一差值阈值，确定目标动作为伸腕动作；

第二确定单元，用于若所述屈肌肌活动信号大于预设第二信号阈值，所述信号比值小于预设第二比值阈值，且，所述信号差值小于预设第二差值阈值，确定目标动作为屈腕动作；

第三确定单元，用于若所述伸肌肌活动信号和所述屈肌肌活动信号中的较小值大于预设第三信号阈值，所述信号比值位于预设第三比值阈值和第四比值阈值之间，所述信号差值的绝对值大于预设第三差值阈值，确定目标动作为握拳动作或者伸掌动作。

可选的，所述信号处理模块中对所述伸肌肌电信号进行信号处理，得到伸肌肌活动信号，包括：

校正单元，用于对所述伸肌肌电信号进行校正，得到校正信号；

计算单元，用于根据所述校正信号计算包络信号；

归一化处理单元，用于对所述包络信号进行归一化处理，得到归一化包络信号；

提取单元，用于在所述归一化包络信号中提取有效活动段，得到所述伸肌肌活动信号。

可选的，所述校正单元，还用于：

滤除所述伸肌肌电信号中小于预设基线阈值的部分，保留所述伸肌肌电信号中大于预设基线阈值的部分，得到所述校正信号。

可选的，所述计算单元，还用于：

将预设核函数中的窗口参数进行初始化；

将所述校正信号与所述预设核函数融合，将所述校正信号中的各数据点逐点更新至所述预设核函数内，每将一个数据点更新至所述预设核函数内，计算所述预设核函数的积分值，得到所述包络信号。

可选的，所述归一化处理单元还用于：

将所述包络信号与预设的归一化系数进行归一化计算，得到所述归一化包络信号，所述归一化系数根据预先采集的所述用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号及腕屈肌肌电信号确定。

可选的，所述提取单元，还用于：

将所述归一化包络信号中大于预设活动阈值的数据点所在的数据点位置确定为活动起始位置；

将所述归一化包络信号中小于预设活动阈值的数据点所在的数据点位置确定为活动终止位置；

所述归一化包络信号中将所述活动起始位置和所述活动终止位置之间的部分确定为所述伸肌肌活动信号。

第三方面，本申请提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的假肢控制方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有假肢控制方法的程序，所述假肢控制方法的程序被处理器执行时实现第一方面任一所述的假肢控制方法的步骤。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本发明实施例通过在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号，然后，利用预设生理分类模型根据两个通道的肌电信号预测用户需要假肢做出的目标动作，进而生成控制指令，由于预设生理分类模型中的阈值根据预先在用户腕伸肌和腕屈肌处采集的肌电信号确定，所以可以避免不同用户的个体差异对预测结果的影响，使预测得到的目标动作更加准确。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种假肢控制方法的流程图；

图2为图1中步骤S102的流程图；

图3为图1中步骤S103的流程图；

图4为本申请实施例提供的一种假肢控制装置的结构图；

图5为本申请实施例提供的一种电子设备的结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

由于现有肌电控制方法是基于肌电信号幅度的阈值控制，一般一次只能控制一个自由度，而假肢的多自由度动作需要借助硬件的模式切换才能实现，阈值控制是一种最传统的异步控制方法。目前，对灵巧假肢多自由度控制多部分是通过模式识别的方法，一般是通过训练分类器对动作模式进行判别，一次只能控制一种动作模式，并且模型计算量较大。由于分类器模型的建立过程受测试者个体差异及临床混杂因素影响较大，在线估计效果不够理想。为此，本发明实施例提供了一种假肢控制方法、装置、电子设备及存储介质，所述假肢控制方法可以应用于终端中，如PC机或者假肢中等等，如图1所示，所述假肢控制方法可以包括以下步骤：

步骤S101，获取在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号；

在该步骤中，可以通过令用户按要求在前臂佩戴肌电采集模块(如：臂环或肌电采集电极等)于相关位置(如：腕伸肌和腕屈肌)处，用户通过大脑神经支配残肢肌肉运动产生肌电信号，肌电采集模块采集腕伸肌和腕屈肌处的肌电信号，得到伸肌肌电信号和屈肌肌电信号。

在本发明实施例中，伸肌肌电信号和屈肌肌电信号为数字信号，可以通过有线或者无线方式从肌电采集模块获取。

步骤S102，分别对所述伸肌肌电信号及所述屈肌肌电信号进行信号处理，得到伸肌肌活动信号和屈肌肌活动信号；

在本发明实施例中，由于伸肌肌电信号及屈肌肌电信号通常非常不平稳且复杂，存在很多干扰数据，直接使用会导致运算量较大且误差较大，所以不能直接将伸肌肌电信号及屈肌肌电信号作为预测假肢动作的依据，所以，在该步骤中，需要对伸肌肌电信号及屈肌肌电信号进行信号处理，得到伸肌肌活动信号和屈肌肌活动信号。

步骤S103，将所述伸肌肌活动信号和所述屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型，得到目标动作。

本发明实施例中，所述预设生理分类模型中的阈值根据预先在所述用户腕伸肌和腕屈肌处采集的肌电信号确定；

由于不同用户存在个体差异，且受不同的临床混杂因素影响，不同用户通过大脑神经支配残肢肌肉运动产生肌电信号的强度不同，所以，在本发明实施例中，预设生理分类模型是依据生理学模型建立的，也就是说，预设生理分类模型中用于确定预测假肢动作的阈值是针对不同用户个体单独设置的，通过在用户使用假肢前，提前采集用户在通过大脑神经支配残肢肌肉运动产生肌电信号的强度，基于这些预先采集的肌电信号的强度设置阈值。

发明人在实现本发明的过程中发现，用户在通过大脑神经支配残肢肌肉做伸腕动作时，腕伸肌活动明显，腕屈肌活动微弱；在通过大脑神经支配残肢肌肉做屈腕动作时，腕屈肌活动明显，腕伸肌活动微弱；通过大脑神经支配残肢肌肉做握拳或者伸掌动作时，腕伸肌和腕屈肌活动均明显，所以，预设生理分类模型可以通过将伸肌肌活动信号和屈肌肌活动信号的强度与不同阈值比较，根据比较结果来预测用户想要控制假肢做出假肢做出的目标动作。

步骤S104，生成用于控制所述假肢做出所述目标动作的控制指令。

在本发明实施例中，可以预先设置不同目标动作与其相应控制指令之间的对应关系，在S103得到目标动作时，可以根据目标动作在该对应关系内查找与该目标动作对应的控制指令。

本发明实施例通过在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号，然后，利用预设生理分类模型根据两个通道的肌电信号预测用户需要假肢做出的目标动作，进而生成控制指令，由于预设生理分类模型中的阈值根据预先在用户腕伸肌和腕屈肌处采集的肌电信号确定，所以可以避免不同用户的个体差异对预测结果的影响，使预测得到的目标动作更加准确。

在本发明的又一实施例中，如图2所示，步骤S102中对所述伸肌肌电信号进行信号处理，得到伸肌肌活动信号，可以包括以下步骤：

步骤S201，对所述伸肌肌电信号进行校正，得到校正信号；

在该步骤中，可以滤除所述伸肌肌电信号中小于预设基线阈值的部分，保留所述伸肌肌电信号中大于预设基线阈值的部分，得到所述校正信号。

示例性的，可以通过以下方式得到校正信号S_i：

其中x_i为肌电采集模块采集到的原始的伸肌肌电信号，thr为伸肌肌电信号的基线阈值，该基线阈值的计算方法如下：

thr＝mean{MAV₁,MAV₂MAV₃…MAV_k}+A

其中，MAV_i,i＝1,2,3…,k为伸肌肌电信号的静息态数据中取滑动窗口内信号的最大值，k为滑动窗口个数，A是常量。

步骤S202，根据所述校正信号计算包络信号；

在该步骤中，可以首先将预设核函数中的窗口参数进行初始化；

ker nel(j_n)＝{j₁,j₂,j₃,…j_n},j₁,j₂…j_n＝0

预设核函数可以看做j_n长度的滑动窗口，里边的数值初始化为0。

然后，将所述校正信号与所述预设核函数融合，将校正信号S_i传入预设核函数中，此时，预设核函数可以更新为ker nel＝{j₂,j₃,…j_n,S_i},j₂…j_n＝0，将所述校正信号中的各数据点逐点更新至所述预设核函数内，每将一个数据点更新至所述预设核函数内，也即更新了预设核函数的一个滑动窗口，此时可以基于该更新后的滑动窗口计算所述预设核函数的积分值，得到所述包络信号。

校正信号中的每个数据点更新至预设核函数内时，均需按照如下公式基于梯形法计算该滑动窗口的单位等距数学积分，即该窗口曲线下的面积，得到所述包络信号y_i＝envelopeSignal：envelopeSignal＝s{j₂,…j_n,s_i}÷2

S_i+1传入该核函数中，核函数更新为ker nel＝{j₃,j₄,…j_n,S_i+1},j₃…j_n＝0，计算积分得到包络信号y_i+1；以此类推，由肌电信号{s₁,s₂,s₃,…s_i…}，计算得出包络信号{y₁,y₂,y₃,…y_i…}。

步骤S203，对所述包络信号进行归一化处理，得到归一化包络信号；

在该步骤中，可以将所述包络信号与预设的归一化系数进行归一化计算，得到所述归一化包络信号，所述归一化系数根据预先采集的所述用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号及腕屈肌肌电信号确定。

示例性的，归一化系数可以通过以下方式确定：

获取在所述用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号及腕屈肌肌电信号；

对所述腕伸肌肌电信号及所述腕屈肌肌电信号分别进行信号处理，得到腕伸肌肌活动信号及腕屈肌肌活动信号；

根据所述腕伸肌肌活动信号及所述腕屈肌肌活动信号中的最大值及最小值计算归一化系数。

若最大值为Amax，最小值为Amin，则归一化包络信号NormSignal为：

NormSignal(i)＝(y_i-A min)/(A max-A min)

步骤S204，在所述归一化包络信号中提取有效活动段，得到所述伸肌肌活动信号。

在该步骤中，可以将所述归一化包络信号中大于预设活动阈值的数据点所在的数据点位置确定为活动起始位置；将所述归一化包络信号中小于预设活动阈值的数据点所在的数据点位置确定为活动终止位置；所述归一化包络信号中将所述活动起始位置和所述活动终止位置之间的部分确定为所述伸肌肌活动信号。

可以使用类似的方式对屈肌肌电信号进行信号处理，得到屈肌肌活动信号。

本发明实施例对所述伸肌肌电信号进行校正，得到校正信号，可以便于滤除部分数值较小的干扰数据，减少运算量，增强运算的实时性；

根据所述校正信号计算包络信号，能够便于忽略掉不必要的扰动，专注于有用的肌电信号，减少运算量，增强运算的实时性；

由于使用者的机体差异，导致个体对同一动作所采集的肌电信号幅值不同，对所述包络信号进行归一化处理，得到归一化包络信号，可以减少不同用户之间数值上的差异；

在所述归一化包络信号中提取有效活动段，得到所述伸肌肌活动信号，可以仅保留有效活动段，减少运算量，增强运算的实时性。

在本发明的又一实施例中，如图3所示，步骤S103可以包括以下步骤：

步骤S301，计算所述伸肌肌活动信号和所述屈肌肌活动信号的信号比值及信号差值；

在有效活动段内，单个滑动窗口下两通道的归一化信号分别为伸肌肌活动信号NS1和屈肌肌活动信号NS2，计算两通道的信号比：

Rat＝NS1/NS2；

计算两通道的信号差：

Dif＝NS1-NS2；

步骤S302，若所述伸肌肌活动信号大于预设第一信号阈值，所述信号比值大于预设第一比值阈值，且，所述信号差值大于预设第一差值阈值，确定目标动作为伸腕动作；

预设第一信号阈值可以根据多个用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号计算得到。

预设第一比值阈值和预设第一差值阈值可以根据多个用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号和腕屈肌肌电信号计算得到。

步骤S303，若所述屈肌肌活动信号大于预设第二信号阈值，所述信号比值小于预设第二比值阈值，且，所述信号差值小于预设第二差值阈值，确定目标动作为屈腕动作；

预设第二信号阈值可以根据多个用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕屈肌肌电信号计算得到。预设第一信号阈值和预设第二信号阈值可以相同也可以不同，以实际计算出的值为准。

步骤S304，若所述伸肌肌活动信号和所述屈肌肌活动信号中的较小值大于预设第三信号阈值，所述信号比值位于预设第三比值阈值和第四比值阈值之间，所述信号差值的绝对值大于预设第三差值阈值，确定目标动作为握拳动作或者伸掌动作。

预设第三信号阈值可以根据多个用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号和腕屈肌肌电信号计算得到。

预设第三比值阈值和第四比值阈值可以根据多个用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号和腕屈肌肌电信号计算得到。

预设第三差值阈值可以根据多个用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号和腕屈肌肌电信号计算得到。

本发明实施例通过基于生理学的生理分类模型，基于伸肌肌活动信号和所述屈肌肌活动信号预测用户试图做出的目标动作，仅基于伸肌肌活动信号和所述屈肌肌活动信号两通道进行分类决策，计算量少，保证了假肢控制过程的实时性。

在本发明的又一实施例中，还提供一种假肢控制装置，如图4所示，所述装置包括：

获取模块11，用于获取在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号；

信号处理模块12，用于分别对所述伸肌肌电信号及所述屈肌肌电信号进行信号处理，得到伸肌肌活动信号和屈肌肌活动信号；

输入模块13，用于将所述伸肌肌活动信号和所述屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型，得到目标动作，所述预设生理分类模型中的阈值根据预先在所述用户腕伸肌和腕屈肌处采集的肌电信号确定；

控制模块14，用于生成用于控制所述假肢做出所述目标动作的控制指令。

可选的，所述输入模块，包括：

计算单元，用于计算所述伸肌肌活动信号和所述屈肌肌活动信号的信号比值及信号差值；

第一确定单元，用于若所述伸肌肌活动信号大于预设第一信号阈值，所述信号比值大于预设第一比值阈值，且，所述信号差值大于预设第一差值阈值，确定目标动作为伸腕动作；

第二确定单元，用于若所述屈肌肌活动信号大于预设第二信号阈值，所述信号比值小于预设第二比值阈值，且，所述信号差值小于预设第二差值阈值，确定目标动作为屈腕动作；

第三确定单元，用于若所述伸肌肌活动信号和所述屈肌肌活动信号中的较小值大于预设第三信号阈值，所述信号比值位于预设第三比值阈值和第四比值阈值之间，所述信号差值的绝对值大于预设第三差值阈值，确定目标动作为握拳动作或者伸掌动作。

可选的，所述信号处理模块中对所述伸肌肌电信号进行信号处理，得到伸肌肌活动信号，包括：

校正单元，用于对所述伸肌肌电信号进行校正，得到校正信号；

计算单元，用于根据所述校正信号计算包络信号；

归一化处理单元，用于对所述包络信号进行归一化处理，得到归一化包络信号；

提取单元，用于在所述归一化包络信号中提取有效活动段，得到所述伸肌肌活动信号。

可选的，所述校正单元，还用于：

滤除所述伸肌肌电信号中小于预设基线阈值的部分，保留所述伸肌肌电信号中大于预设基线阈值的部分，得到所述校正信号。

可选的，所述计算单元，还用于：

将预设核函数中的窗口参数进行初始化；

将所述校正信号与所述预设核函数融合，将所述校正信号中的各数据点逐点更新至所述预设核函数内，更新完毕后计算所述预设核函数的积分值，得到所述包络信号。

可选的，所述归一化处理单元还用于：

将所述包络信号与预设的归一化系数进行归一化计算，得到所述归一化包络信号，所述归一化系数根据预先采集的所述用户做伸腕、屈腕动作、握拳动作和伸掌动作时采集的腕伸肌肌电信号及腕屈肌肌电信号确定。

可选的，所述提取单元，还用于：

将所述归一化包络信号中大于预设活动阈值的数据点所在的数据点位置确定为活动起始位置；

将所述归一化包络信号中小于预设活动阈值的数据点所在的数据点位置确定为活动终止位置；

所述归一化包络信号中将所述活动起始位置和所述活动终止位置之间的部分确定为所述伸肌肌活动信号。

在本发明的又一实施例中，还提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现前述方法实施例所述的假肢控制方法。

本发明实施例提供的电子设备，处理器通过执行存储器上所存放的程序实现了获取在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号，分别对所述伸肌肌电信号及所述屈肌肌电信号进行信号处理，得到伸肌肌活动信号和屈肌肌活动信号，将所述伸肌肌活动信号和所述屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型，得到目标动作，所述预设生理分类模型中的阈值根据预先在所述用户腕伸肌和腕屈肌处采集的肌电信号确定，生成用于控制所述假肢做出所述目标动作的控制指令，保证能够通过在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号，然后，利用预设生理分类模型根据两个通道的肌电信号预测用户需要假肢做出的目标动作，进而生成控制指令，由于预设生理分类模型中的阈值根据预先在用户腕伸肌和腕屈肌处采集的肌电信号确定，所以可以避免不同用户的个体差异对预测结果的影响，使预测得到的目标动作更加准确。

上述电子设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口1120用于上述电子设备与其他设备之间的通信。

存储器1130可以包括随机存取存储器(RandomAccessMemory，简称RAM)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器1110可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明的又一实施例中，还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有假肢控制方法的程序，所述假肢控制方法的程序被处理器执行时实现前述方法实施例所述的假肢控制方法的步骤。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。