夏安琦，何清旋，王可林

(安慶師范大學(xué) 數(shù)理學(xué)院，安徽 安慶 246133)

0 引 言

智能動(dòng)力下肢假肢在殘疾人生活中發(fā)揮著越來越重要的作用。[1]它的控制系統(tǒng)分為高層控制器、中層控制器以及底層控制器。整個(gè)控制系統(tǒng)的關(guān)鍵是高層控制器，主要用來接收輸入信號(hào)，并根據(jù)意圖識(shí)別算法識(shí)別人的運(yùn)動(dòng)意圖。[2]近年來，智能下肢假肢的運(yùn)動(dòng)意圖識(shí)別研究正在火熱進(jìn)行。隨著科學(xué)技術(shù)的進(jìn)步，人民生活水平的提高，可穿戴設(shè)備在運(yùn)動(dòng)康復(fù)工程中得到了迅速發(fā)展與廣泛應(yīng)用。[3]通過可穿戴的傳感器采集下肢運(yùn)動(dòng)的機(jī)械信號(hào)或肌電信號(hào)等進(jìn)行分析，可對(duì)不同的運(yùn)動(dòng)模式進(jìn)行分類，從而識(shí)別出殘疾人的運(yùn)動(dòng)意圖。由于機(jī)械信號(hào)具有穩(wěn)定性好、不易被干擾等優(yōu)點(diǎn)，本文使用機(jī)械信號(hào)傳感器采集數(shù)據(jù)進(jìn)行意圖識(shí)別。

基于機(jī)械信號(hào)的意圖識(shí)別研究中，Young等[4]分析了窗口大小對(duì)算法性能的影響，對(duì)平地行走、上樓、下樓、上坡和下坡5種穩(wěn)態(tài)模式以及5種穩(wěn)態(tài)模式之間的8種轉(zhuǎn)換模式的識(shí)別率可達(dá)到93.9%。Chen等[5]提出一種新的參數(shù)優(yōu)化策略，針對(duì)每個(gè)相位分別優(yōu)化分類器、特征集和窗口大小，對(duì)6種穩(wěn)態(tài)模式的識(shí)別率為94.6%。Xu等[6]提出了一個(gè)多層次實(shí)時(shí)車載系統(tǒng)來識(shí)別連續(xù)運(yùn)動(dòng)模式。設(shè)計(jì)了一種級(jí)聯(lián)分類策略，對(duì)站立、平地行走、上樓、下樓、上坡、下坡6種穩(wěn)態(tài)模式以及10種轉(zhuǎn)換模式的識(shí)別率為93.2%。Stolyarov等[7]提出了一種利用集成慣性測量單元(Inertial Measurement Units, IMUs)估計(jì)腿部關(guān)節(jié)平移運(yùn)動(dòng)來預(yù)測即將到來的步行任務(wù)的新方法，對(duì)平地行走等5種穩(wěn)態(tài)運(yùn)動(dòng)模式進(jìn)行識(shí)別，平均識(shí)別率為94.1%。Zhang等[8]提出了一種魯棒的下肢假肢環(huán)境特征識(shí)別系統(tǒng)，通過預(yù)測截肢者的運(yùn)動(dòng)模式和估計(jì)下肢假肢的環(huán)境特征來輔助假肢的控制。將深度傳感器和慣性測量單元相結(jié)合，實(shí)現(xiàn)了環(huán)境點(diǎn)云的穩(wěn)定。對(duì)5種穩(wěn)態(tài)運(yùn)動(dòng)模式，識(shí)別率為94.9%。Su等[9]分析健側(cè)早期擺動(dòng)階段的IMUs數(shù)據(jù)，并將數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)，用自選擇特征來預(yù)測運(yùn)動(dòng)意圖，將信號(hào)傳遞給假肢來控制其執(zhí)行相應(yīng)運(yùn)動(dòng)模式。對(duì)13種運(yùn)動(dòng)模式(包含5種穩(wěn)態(tài)模式與8種轉(zhuǎn)換模式)的平均識(shí)別率為94.2%。Gong等[10]提取統(tǒng)計(jì)特征，用人工神經(jīng)網(wǎng)絡(luò)對(duì)站立、平地行走、上樓、下樓、上坡以及下坡6種穩(wěn)態(tài)模式成功識(shí)別，識(shí)別率達(dá)到98.4%。

上述意圖識(shí)別方法研究通過采集機(jī)械運(yùn)動(dòng)信號(hào)，對(duì)不同模式進(jìn)行直接分類，從而控制假肢。目前，國內(nèi)外相關(guān)研究大多數(shù)都為單層直接分類。但若在同一地形下持續(xù)穩(wěn)定的行走，則運(yùn)動(dòng)模式是保持不變的，若地形改變，則運(yùn)動(dòng)模式會(huì)是兩種模式之間的瞬時(shí)轉(zhuǎn)換，與前者具有本質(zhì)差異。因此，若直接對(duì)所有模式進(jìn)行特征提取與分類，會(huì)導(dǎo)致不同模式間的混淆較大，需要加大對(duì)模式的類內(nèi)相似性與類間差異性的利用?；诖?，本文對(duì)5種穩(wěn)態(tài)模式與8種轉(zhuǎn)換模式合成的13種運(yùn)動(dòng)模式，提出分層策略方法，利用穩(wěn)態(tài)模式與轉(zhuǎn)換模式的類間差異性，提出幀間相減方法，獲取具有類間差異性的數(shù)據(jù)集，對(duì)樣本進(jìn)行第一步分類。在第一步的基礎(chǔ)上分別對(duì)兩大類模式進(jìn)行再分類，從而完成下肢假肢的運(yùn)動(dòng)意圖識(shí)別。

1 運(yùn)動(dòng)模式的介紹

人體下肢運(yùn)動(dòng)具有周期性，由多個(gè)步態(tài)周期組成。[11]以模式是否轉(zhuǎn)變?yōu)橐罁?jù)，可將步態(tài)分為穩(wěn)態(tài)步與轉(zhuǎn)換步。以雙腳與地面是否接觸為依據(jù)，可將一個(gè)步態(tài)周期劃分為兩個(gè)階段：支撐相(占60%)與擺動(dòng)相(占40%)。傳統(tǒng)運(yùn)動(dòng)意圖識(shí)別方法將傳感器內(nèi)嵌于智能假肢，因此轉(zhuǎn)換步定義在患側(cè)。本文將傳感器綁定在健側(cè)，通過識(shí)別健側(cè)的運(yùn)動(dòng)狀態(tài)，映射出患側(cè)的運(yùn)動(dòng)意圖。鑒于此，使用文獻(xiàn)[12]的模式定義采集健側(cè)擺動(dòng)相前期數(shù)據(jù)預(yù)測運(yùn)動(dòng)意圖。

人體運(yùn)動(dòng)的基本模式一般包括平地行走、上樓、下樓、上坡以及下坡5種穩(wěn)態(tài)模式。由于上樓到下樓的突然轉(zhuǎn)換是不可能出現(xiàn)的，中間必然包含過渡階段。因此，5種模式之間的轉(zhuǎn)換主要包括以下8種：平地行走到上樓，平地行走到下樓，平地行走到上坡，平地行走到下坡，上樓向平地行走，下樓到平地行走，上坡到平地行走，下坡到平地行走。由此，共組成13種運(yùn)動(dòng)模式(如表1)。

表1 本文13種運(yùn)動(dòng)模式

2 基于分層策略的意圖識(shí)別

穩(wěn)態(tài)模式是人體運(yùn)動(dòng)最頻繁的基礎(chǔ)運(yùn)動(dòng)模式，特點(diǎn)是具有周期性與規(guī)律性[13]，因此前后步態(tài)同頻變化。從數(shù)據(jù)表現(xiàn)上看，以平地行走模式與上樓模式的小腿傳感器單軸加速度為例，前一步態(tài)與后一步態(tài)數(shù)據(jù)變化同步(圖1、圖2)。轉(zhuǎn)換模式為兩個(gè)穩(wěn)態(tài)模式間的過渡模式，過渡期可看做數(shù)據(jù)的突變過程，轉(zhuǎn)換步與前一步態(tài)不同頻變化。以走到上樓與上樓到走模式小腿傳感器單軸加速度為例，前一步態(tài)與后一步態(tài)數(shù)據(jù)變化不同步(圖3)，與穩(wěn)態(tài)模式相對(duì)應(yīng)的階段呈現(xiàn)出不同的運(yùn)動(dòng)姿態(tài)與數(shù)據(jù)表現(xiàn)。

圖1 穩(wěn)態(tài)模式前后步態(tài)小腿的單軸加速度示例(行走)

圖2 穩(wěn)態(tài)模式前后步態(tài)小腿的單軸加速度示例(上樓)

(a)走到上樓模式加速度 (b)上樓到走模式加速度

針對(duì)穩(wěn)態(tài)模式與轉(zhuǎn)換模式數(shù)據(jù)的差異性，提出幀間相減的數(shù)據(jù)獲取方法，提取轉(zhuǎn)換模式中轉(zhuǎn)換步的擺動(dòng)相前期以及前一步態(tài)相同長度的數(shù)據(jù)，對(duì)應(yīng)幀的數(shù)據(jù)相減，得到新的轉(zhuǎn)換模式數(shù)據(jù)集。對(duì)于穩(wěn)態(tài)模式，亦用后一步態(tài)減去前一步態(tài)對(duì)應(yīng)幀數(shù)據(jù)。最終所得數(shù)據(jù)集部分如圖4所示，穩(wěn)態(tài)模式(圖中以行走模式為例)數(shù)據(jù)擬合后走勢較穩(wěn)定，轉(zhuǎn)換模式(圖中以走到上樓模式為例)數(shù)據(jù)擬合后波動(dòng)幅度較大，兩類差異明顯，因此可作為后期分類的依據(jù)。

利用類間差異性，將幀間相減之后所得的新的數(shù)據(jù)集用于第一層對(duì)于穩(wěn)態(tài)模式與轉(zhuǎn)換模式的分類。穩(wěn)態(tài)模式的數(shù)據(jù)平穩(wěn)且趨于零，轉(zhuǎn)換模式的數(shù)據(jù)不為零且有波動(dòng)，以此為依據(jù)對(duì)穩(wěn)態(tài)模式與轉(zhuǎn)換模式進(jìn)行二分類。

圖4 穩(wěn)態(tài)與轉(zhuǎn)換模式處理后的數(shù)據(jù)對(duì)比示例

在第一層分類的結(jié)果中，識(shí)別為穩(wěn)態(tài)模式的樣本包含大部分穩(wěn)態(tài)樣本與少量識(shí)別錯(cuò)誤的轉(zhuǎn)換樣本，因此對(duì)這些樣本重新訓(xùn)練的模型更具有針對(duì)性。將其訓(xùn)練再細(xì)分類為13種模式。對(duì)識(shí)別為轉(zhuǎn)換模式的樣本同樣操作。相比于直接對(duì)識(shí)別為穩(wěn)態(tài)的樣本分5類，對(duì)識(shí)別為轉(zhuǎn)換的樣本分8類，既可保持模型的穩(wěn)定性，又可對(duì)第一步識(shí)別錯(cuò)誤的樣本提供補(bǔ)償機(jī)制，增大重新識(shí)別正確的概率，從而提升整體的識(shí)別效果。實(shí)驗(yàn)階段將兩種情況作為對(duì)比實(shí)驗(yàn)驗(yàn)證了改進(jìn)的效果。

在整體策略中，傳統(tǒng)方法將傳感器內(nèi)嵌于患側(cè)，相應(yīng)轉(zhuǎn)換步定義在患側(cè)，根據(jù)患側(cè)在運(yùn)動(dòng)模式轉(zhuǎn)換后產(chǎn)生的數(shù)據(jù)判斷患者的運(yùn)動(dòng)意圖，存在一定的滯后性。另外集成在假肢上的生物力學(xué)信號(hào)反映了假肢的運(yùn)動(dòng)信息，不能反映穿戴者本身的運(yùn)動(dòng)意圖，在意圖識(shí)別中存在著局限性。因此，本文將三個(gè)IMUs放在患者的健側(cè)大腿、小腿與腳踝處采集數(shù)據(jù)，通過云計(jì)算，在患側(cè)的運(yùn)動(dòng)模式轉(zhuǎn)換之前進(jìn)行智能下肢假肢的運(yùn)動(dòng)意圖識(shí)別。

在云計(jì)算過程中涉及信號(hào)輸入、數(shù)據(jù)預(yù)處理、特征選擇、分類模型訓(xùn)練、信號(hào)輸出過程。從分類模型角度出發(fā)，多從分類器上進(jìn)行改進(jìn)，但在針對(duì)數(shù)據(jù)集進(jìn)行分層策略上未有考慮。為使智能下肢假肢幫助患者正常生活，訓(xùn)練的模型需要具備對(duì)一般地形及其轉(zhuǎn)換的地形具有普適性。穩(wěn)態(tài)模式是始終在同一地形下保持相同運(yùn)動(dòng)狀態(tài)的運(yùn)動(dòng)模式，轉(zhuǎn)換模式是由一個(gè)地形下初始運(yùn)動(dòng)狀態(tài)轉(zhuǎn)換為另一地形下不同運(yùn)動(dòng)狀態(tài)過程中的過渡模式。就地形、步態(tài)、運(yùn)動(dòng)狀態(tài)而言，穩(wěn)態(tài)模式與轉(zhuǎn)換模式具有本質(zhì)差別，兩者的數(shù)據(jù)形態(tài)亦不同。因此，本文為利用穩(wěn)態(tài)模式與轉(zhuǎn)換模式的類間差異性，提出分層策略，首先第一層對(duì)穩(wěn)態(tài)模式與轉(zhuǎn)換模式二分類，第二層對(duì)第一層的結(jié)果進(jìn)行再分類，流程如圖5所示。

圖5 本文意圖識(shí)別方法

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)設(shè)備與方案

實(shí)驗(yàn)共有10名健康受試者(Healthy Volunteers, HV)，基本信息如表2，包括5男5女，年齡為18-30歲，身高是1.55m-1.83m，體重40kg-83kg。受試者模擬殘疾人的13種運(yùn)動(dòng)模式，模擬患側(cè)為左側(cè)，健側(cè)為右側(cè)，每種運(yùn)動(dòng)模式執(zhí)行10遍，共計(jì)1300個(gè)樣本。

表2 受試者信息

本文使用健側(cè)(右側(cè))大腿、小腿、腳踝處3個(gè)IMUs(如圖6)分別測得擺動(dòng)相前期45幀(一個(gè)步態(tài)周期約為120-190幀，一個(gè)擺動(dòng)相的范圍約為45-70幀)三軸加速度與三軸角速度數(shù)據(jù)用于研究。每個(gè)IMU由一個(gè)三軸加速度計(jì)和一個(gè)三軸陀螺儀構(gòu)成，采樣頻率為96Hz，每一幀的數(shù)據(jù)包含位移，速度，四元數(shù)，加速度，角速度與兩腳觸地狀態(tài)序列。實(shí)驗(yàn)場景包括一個(gè)坡度為10°，長度為6m的斜坡、八節(jié)踏步高度為16cm的樓梯以及足夠大的平地。計(jì)算機(jī)實(shí)驗(yàn)環(huán)境為Matlab2018b，分類器為SVM。驗(yàn)證方法為K折交叉驗(yàn)證 (K-fold Cross Validation, K-CV)評(píng)估，K取5。

圖6 實(shí)驗(yàn)設(shè)備與環(huán)境

3.2 實(shí)驗(yàn)結(jié)果及分析

第一層分類的平均識(shí)別率為95.2%，如圖7，轉(zhuǎn)換模式相比于穩(wěn)態(tài)模式的分類效果更明顯。

第二層分類中，對(duì)所有預(yù)測標(biāo)簽為穩(wěn)態(tài)模式的樣本，使用分類器訓(xùn)練模型進(jìn)行分類，采用十次五折交叉驗(yàn)證法所得的平均識(shí)別率為96.2%。由圖8的混淆矩陣可見，無走到上樓與走到上坡模式的標(biāo)簽。表示第一層分類中走到上樓、走到上坡與上樓到走模式的識(shí)別率為100%，無分錯(cuò)情況。觀察圖中樣本數(shù)量分布(正對(duì)角線數(shù)據(jù)為正確分類的數(shù)量)，綜合右側(cè)真實(shí)標(biāo)簽的正確率與錯(cuò)誤率，可知模型對(duì)穩(wěn)態(tài)模式識(shí)別效果較好，每個(gè)模式的識(shí)別率均高于97.5%。對(duì)第一層中識(shí)別錯(cuò)誤的轉(zhuǎn)換樣本也有一定的矯正作用，如對(duì)7個(gè)走到下坡轉(zhuǎn)換模式樣本，可正確分類4個(gè)。

第二層分類中，對(duì)所有預(yù)測標(biāo)簽為轉(zhuǎn)換模式的樣本再分類，平均識(shí)別率為95.1%，混淆矩陣如圖9。觀察可見，對(duì)每個(gè)轉(zhuǎn)換模式的識(shí)別率均不低于96.9%，其中上樓到走模式的識(shí)別率可達(dá)到100%。對(duì)于第一層中識(shí)別錯(cuò)誤的相對(duì)較大數(shù)量的穩(wěn)態(tài)模式樣本依然具有較明顯的矯正功能，能夠重新識(shí)別正確的約為半數(shù)，其中19個(gè)下坡模式樣本中有10個(gè)正確分類。

對(duì)所有樣本的平均識(shí)別結(jié)果為95.5%。如圖10所示，對(duì)每種模式都能基本分類，其中上樓到走全部準(zhǔn)確識(shí)別，錯(cuò)誤識(shí)別的樣本分布也較為分散。由于姿態(tài)相似性，仍有少量模式之間容易混淆。如下坡到走與下坡，下坡到走的識(shí)別率為91%，有7%的樣本錯(cuò)誤識(shí)別為下坡。下坡的識(shí)別率為89%，有8%錯(cuò)誤識(shí)別為下坡到走。

設(shè)置對(duì)比實(shí)驗(yàn)：在第一層分類方法與所有環(huán)境完全相同的情況下，第二層實(shí)驗(yàn)中對(duì)識(shí)別為穩(wěn)態(tài)的樣本分為5類，對(duì)識(shí)別為轉(zhuǎn)換的樣本分為8類。結(jié)果對(duì)比如表3，對(duì)比實(shí)驗(yàn)中第一層識(shí)別錯(cuò)誤的樣本將繼續(xù)識(shí)別錯(cuò)誤，無識(shí)別正確的可能，導(dǎo)致最終識(shí)別率低于第一層的識(shí)別率。本文方法在第二階段對(duì)第一層的錯(cuò)誤樣本有一定的矯正功能，所以最終識(shí)別率相對(duì)第一層有所提升。

表3 對(duì)比實(shí)驗(yàn)與本文實(shí)驗(yàn)的結(jié)果對(duì)比

4 總結(jié)與展望

利用類間差異性，提出對(duì)數(shù)據(jù)集進(jìn)行分層處理。第一層先將模式分為兩大類，提出幀間相減的方法處理數(shù)據(jù)，利用穩(wěn)態(tài)模式與轉(zhuǎn)換模式的差異性進(jìn)行分類。第二層按照第一層預(yù)測標(biāo)簽的分類結(jié)果將樣本分為兩部分，分別訓(xùn)練并識(shí)別。識(shí)別效果較好，且對(duì)第一層結(jié)果提供補(bǔ)償機(jī)制，矯正了部分識(shí)別錯(cuò)誤的樣本。本文方法能基本避免穩(wěn)態(tài)模式與轉(zhuǎn)換模式之間的混淆，從而提升識(shí)別效果，驗(yàn)證了分層策略的可行性與有效性，為智能下肢假肢的運(yùn)動(dòng)意圖識(shí)別研究提供新的研究思路。在所有樣本的識(shí)別結(jié)果中，依然存在少許穩(wěn)態(tài)模式與轉(zhuǎn)換模式的混淆。在分層策略中，第一層的結(jié)果十分關(guān)鍵，因此在第一層分類時(shí)所使用的重要策略，值得進(jìn)一步的探究。