基于Kinect和NAO机器人的人体上肢康复训练跟随控制EI北大核心CSCD

动作模仿是康复训练中常见的训练策略。传统的康复训练中患者需要在康复医师的指导下完成训练动作,然而由于医院资源有限,无法满足所有患者的训练指导需求。本文针对康复训练中的动作模仿任务,提出了一种基于Kinect和NAO机器人的跟随控制方法。该方法通过逆运动学解析实现了Kinect坐标系到NAO机器人坐标系关节角度映射。针对肘关节偏转角的估计问题,通过构建虚拟空间平面实现了偏转角的精确估计。最后,基于肘关节的运动偏转角进行了对比实验,结果显示该方法右肘横轴偏转和纵轴偏转的角度估计值均方根误差分别为2.734°和2.159°,证实了该方法可以实现NAO机器人实时、稳定地跟随人体动作,从而向患者展示康复训练方案。     

基于表面肌电信号的不同步行速度下肌肉协同及肌肉功能网络分析

深入了解步行过程中的下肢肌肉协作机制是提高神经肌肉功能障碍患者步态康复疗效的关键。本文研究了步行速度的变化对下肢肌肉协同模式及肌肉功能网络的影响。招募了8名健康受试者分别以三种不同速度在跑步机上执行步行任务，同步采集右下肢8块肌肉的表面肌电信号（sEMG），通过非负矩阵分解（NNMF）方法提取肌肉协同模式，利用互信息（MI）方法分别构建alpha频段（8～13 Hz）、beta频段（14～30 Hz）和gamma频段（31～60 Hz）肌肉功能网络，引入复杂网络分析方法量化不同网络差异。肌肉协同分析提取到5个肌肉协同模式，步行速度的变化没有改变肌肉协同的数量，但导致了肌肉权值的变化；肌肉网络分析发现在同一速度下，高频段具有更低的全局效率和聚类系数，随着步行速度的增加，局部肌肉之间的连接强度增加。研究结果表明不同速度的步行运动存在不同的肌肉协同模式和肌肉功能网络，本研究为探索不同步行速度下肌肉协同机制提供了新的视野，有望为神经肌肉功能障碍患者的步态功能评估提供理论支撑。