专利名称：用肌电信号识别人体行走步态周期的方法经过文献检索发现，目前国内外对于步态周期的识别主要采用视频检测技术。 CN101477618视频中行人步态周期自动提取方法，公开了通过一种利用频率域分析的理论， 对视频中行人目标的步态周期特征进行自动提取的方法，但是在假肢、助行器和康复训练 评价等领域中通过这些方法获得步态周期信息使得设备的价格太高，并且计算量较大。何 乐生等人于2006年在《数据采集与处理》杂志上发表的论文《一种基于肌电信号的动作起 始时刻识别方法》，文中介绍到通过自组织人工神经网络来对动作起始时刻进行识别，该方 法较为复杂，并且存在对非特定动作的误判断问题。现有技术对人体行走步态周期进行分析研究，是通过人体运动信号作为信息源。 但是，由于人体运动信号的信号传感器存在易磨损的问题，长时间使用会影响识别效果。
本发明所要解决的技术问题是提供用肌电信号识别人体行走步态周期的方法， 是基于分段积分算法的肌电信号识别人体行走步态周期的方法，采用以波谷幅值为基准的 信号幅值进行分析，因此本发明方法在克服了现有技术中人体运动信号的信号传感器存在 易磨损的同时，又克服了肌电信号传感器的零点漂移问题，仅需单通道信号作为信息源，且 每个人有多块肌肉作为选择，提高了应用的广泛性，还克服了现有步态周期识别方法复杂 和设备价格太高，并且计算量较大的缺点。本发明解决该技术问题所采用的技术方案是用肌电信号识别人体行走步态周 期的方法，是基于分段积分算法的用肌电信号识别人体行走步态周期的方法，具体步骤如 下第一步，所用设备及其安装所用设备包括单片机、肌电信号传感器和心电电极，其中所述的心电电极为三点 式差动输入电极，由正输入电极、负输入电极和参考地极构成；单片机、肌电信号传感器和 心电电极之间用导线连接；心电电极贴于人体腿部的肌肉表面，以其正输入电极和负输入 电极所在直线顺着人体腿部的肌肉纤维的方向放置贴在肌腹处，参考地极则贴在与正输入 电极和负输入电极的距离均等处，正输入电极、负输入电极和参考地极中任意两个电极的 距离均相等，肌电信号传感器安置在心电电极上，通过导电扣将心电电极的三个电极同肌 电信号传感器连接在一起，又通过导线将肌电信号传感器与单片机相连接，并将单片机贴 附在假肢或助行器上；第二步，信号的采集与处理在第一步的基础上，由肌电信号传感器将心电电极的正输入电极、负输入电极和参考地极所采集的肌电信号记录下来并进行低噪声前置放大、高通滤波、50Hz工频滤波、可 变增益放大、低通滤波、和有效值电路处理，最终得到正电平非平稳信号；第三步，识别步态周期的算法计算由第二步得到的正电平非平稳信号通过上述单片机的I/O 口进行A/D转换、移动 平均滤波和采用分段积分算法进行计算，最终得到人体行走步态周期；通过单片机识别步态周期的主程序流程是开始一I/O 口初始化一算法处理参数初始化一定时器初始化一是否结束？是一 结束；否一进入低功耗、使能总中断一返回是否结束？通过单片机识别步态周期的中断程序流程是进入中断一保护现场一采样、滤波一计算信号幅值变化率Ic1—根据，波峰/ 波谷？一波谷，则记录该时刻tt及刻时刻信号幅值Vt ；波峰，则记录该时刻tp及刻时刻信号 幅值Vp ；都不是一趋势计数η加1 — η是否等于趋势周期Τ* ？否一则转至记录本次变化 率k2 = ki和记录本次采样周期信号幅值；是一计算趋势幅值变化率K1 —根据Ic1和1 ，波峰 /波谷？①波谷一则记录tk = tt，V1 = vt ；②波峰一则计算tk时刻特征值S (tk) — S(tk) >阈值？否一转至记录本次趋势幅值变化率K2 = K1 ；是一步态周期Tk = tk-tH和步态周 期数k = k+Ι —记录本次趋势幅值变化率K2 = K1 ；③都不是一记录本次趋势幅值变化率K2 =K1 —记录本次变化率1 = ki和记录本次采样周期信号幅值一中断返回；信号的算法计算方法如下采用分段积分算法，包括波谷位置的正相特征值S1,即记录信号上升过程和波峰 位置的负相特征值S2,即记录信号下降过程两部分；所述S1是以波谷、时刻的信号幅值 f(ti)为基准，从ti到t2时刻信号的积分值，其计算公式如下本发明用肌电信号识别人体行走步态周期的方法，涉及测量人体肢体运动的方法，其特征是基于分段积分算法，所用设备包括单片机、肌电信号传感器和三点式差动输入心电电极，由肌电信号传感器将心电电极采集的肌电信号记录下来并进行处理，得到正电平非平稳信号，再由单片机进行转换、移动平均滤波和采用峰-谷分段积分算法或其简化算法峰-谷线性插值分段积分算法进行计算，得到人体行走步态周期，在克服人体运动信号的信号传感器易磨损的同时，又克服了肌电信号传感器的零点漂移问题，还克服了现有步态周期识别方法复杂、设备价格高，且计算量较大的缺点。本发明方法仅需单通道信号作为信息源，且每个人有多块肌肉作为选择，提高了应用的广泛性。