卢西亚诺·梅内加尔多。 使用卡尔曼滤波器从等长收缩期间的肌电信号实时估计肌肉状态。 （英语） Zbl 1400.92306号 生物、网络。 111，编号5-6，335-346（2017）. 摘要：在虚拟康复中，肌电设备的状态空间控制和肌肉力的实时可视化需要测量或估计肌肉动力学状态：神经肌肉激活、肌腱力和肌肉长度。本文研究了直接从Hill型肌肉力学方程导出的正则（KF）和扩展卡尔曼滤波器（eKF）是否可以作为等长收缩的实时肌肉状态估计器，使用原始肌电信号（EMG）作为唯一可用的测量。通过集成非线性Hill型肌肉模型微分方程（离线模拟-OS），将估计器的振幅误差、计算成本、滤波滞后和平滑度与通常的EMG驱动分析进行了比较。收集了10名受试者在三个扭矩水平下小腿三头肌三个成分（比目鱼肌、内侧腓肠肌和外侧腓肠肌）的肌电活动。KF和eKF两次更新之间的实施间隔（AI）也不同。结果表明，计算成本显著降低（KF为70倍，eKF为17倍）。根据状态和激活水平，过滤滞后与AI（0–300 ms）呈明显线性关系。在最大激励下，振幅误差变化范围为10-24%（激活）、5-8%（肌腱力）和1.4-1.8%（肌肉长度），随激励水平线性减小。通过KF/eKF和OS估计的平均标准变化之间的比率来衡量的平滑度，在激活时大大降低，但在其他状态下通过增加AI指数收敛到1。与常规KF相比，扩展KF似乎没有显著提高估计精度。根据具体应用要求，可以选择最合适的KF实施间隔。 MSC公司： 92 C55 生物医学成像和信号处理 93E11号机组 随机控制理论中的滤波 关键词：肌肉生物力学;卡尔曼滤波器;EMG驱动模型;肌电控制 软件：开放模拟人生;公关工具;光速 PDF格式BibTeX公司 XML格式引用 \textit{L.L.Menegaldo}，生物。赛博。111，No.5--6，335--346（2017；Zbl 1400.92306） 全文： 内政部 参考文献： [1] Anderson BDO，Moore JN（2005）《最佳过滤》，多佛出版社，纽约·Zbl 1191.93133号 [2] Artemiadis，P；Kyriakopoulos，K，一种对时变肌电信号特征鲁棒的基于肌电的机器人控制方案，IEEE Trans-Inf Technol Biomed，14，582-588，（2010）·doi:10.10109/TITB.2010.2040832 [3] TS布坎南；劳埃德DG；马纳尔，K；Besier，TF，《神经肌肉骨骼建模：从神经指令测量中估算肌肉力、关节力矩和运动》，《应用生物技术杂志》，20，367-395，（2004）·doi:10.1123/jab.20.4.367 [4] 克兰西，E；Hogan，N，单点肌电图振幅估计，IEEE Trans-Bomedid Eng，41，159-167，（1994）·数字对象标识代码：10.1109/10.284927 [5] 科贝特，E；科丁，K；Perreault，E，无创神经假体界面的实时评估，用于控制伸展，IEEE Trans Neural Syst Rehabil Eng，21，674-683，（2013）·doi:10.1109/TNSRE.2013.2251664 [6] 德尔普，SL；安德森，FC；阿诺德，AS；贷款，P；哈比卜，A；康涅狄格州约翰；Guendelman，E；Thelen，DG，Opensim:创建和分析运动动态模拟的开源软件，IEEE Trans-Bomedid Eng，54，1940-1950，（2007）·doi:10.1109/TBME.2007.901024 [7] 丁Q，熊A，赵X，韩J（2011a）一种用于估计连续关节运动的新型肌电驱动状态空间模型。2011年IEEE系统、人与控制论（SMC）国际会议，第2891-2897页。doi:10.1109/ICSMC.2011.6084104 [8] 丁Q，赵X，熊A，韩J（2011b）基于肌电驱动模型的人体关节运动估计新方法。2011年第五届生物信息学和生物医学工程国际会议，（iCBBE），第1-5页。doi:10.1109/icbe.2111.5780185 [9] Dutta A、Koerding K、Perreault E、Hargrove L（2011），通过混合特定模式自适应卡尔曼滤波器对电动下肢假肢进行传感器容错控制。在：2011年IEEE医学与生物学会工程国际年会，EMBC，第3696-3699页。doi:10.1109/IEMBS.2011.6090626 [10] 费萨尔，AA；赛伦，LP；Wolpert，DM，《神经系统中的噪音》，Nat Rev Neurosci，9，292-303，（2008）·doi:10.1038/nrn2258 [11] 法里纳，D；Merletti，R，自发性等长收缩期间肌电变量估计算法的比较，肌电运动杂志，10，337-349，（2000）·doi:10.1016/S1050-6411（00）00025-0 [12] 法里纳，D；蒋，N；雷鲍姆，H；Holobar，A；格雷曼，B；迪特尔，H；Aszmann，O，《从表面肌电图中提取神经信息以控制上肢假体：新兴途径和挑战》，IEEE Trans-neural Syst Rehabil Eng，22797-809，（2014）·doi:10.1109/TNSRE.2014.2305111 [13] JR弗拉纳根；Wing，AM，内部模型在运动规划和控制中的作用：手持负载运动过程中握力调节的证据，Neurosci杂志，1711519-1528，（1997） [14] 弗莱舍，C；Hommel，G，《利用肌电图的人外骨骼界面》，IEEE Trans-Robot，24872-882，（2008）·doi:10.1109/TRO.2008.926860 [15] Grewal MS，Andrews AP（2001）《使用MATLAB的理论与实践》，第二版。霍博肯·威利 [16] Grush，R，《表征的仿真理论：运动控制、意象和感知》，《行为脑科学》，27377-396，（2004） [17] RE卡尔曼；Bucy，RS，线性滤波和预测理论的新结果，《基础工程杂志》，83，95-108，（1961）·数字对象标识代码：10.1115/1.3658902 [18] 刘，L；刘，P；克兰西，E；方案E；Englehart，K，《肌电图美白改善上肢假肢控制的分类准确性》，IEEE Trans Neural Syst Rehabil Eng，21767-774，（2013）·doi:10.1109/TNSRE.2013.2243470 [19] 劳埃德DG；TF Besier，《一种肌电图驱动的肌肉骨骼模型，用于估计体内肌肉力量和膝关节力矩》，《生物技术杂志》，36，765-776，（2003）·doi:10.1016/S0021-9290（03）00010-1 [20] 马纳尔，K；Gonzalez，房车；劳埃德DG；Buchanan，TS，实时肌电驱动虚拟手臂，《计算生物医学》，32，25-36，（2002）·doi:10.1016/S0010-4825（01）00024-5 [21] 马纳尔，K；Gravare-Silbernagel，K；Buchanan，TS，实时肌电图驱动的踝关节肌肉骨骼模型，多体系统动力学，28，169-180，（2012）·doi:10.1007/s11044-011-9285-4 [22] 马蒂斯科，P；Havlena，V，卡尔曼滤波器调谐的噪声协方差估计，自适应学习控制信号处理，10，31-36，（2010） [23] 松原，T；Morimoto，J，《肌电信号的双线性建模以提取多用户肌电接口的用户相关特征》，IEEE Trans Biomed Eng，60，2205-2213，（2013）·doi:10.1109/TBME.2013.2250502 [24] Menegaldo L（2012）《探索从肌电信号实时估计肌肉动力学状态的可能性》。2012年第四届IEEE RAS EMBS生物医学机器人和生物机电一体化（BioRob）国际会议，第1850-1855页。doi:10.1109/BioRob.2012.6290712 [25] Menegaldo L（2013）利用优化从等速膝关节力矩调谐四头肌动力学模型：一项数值模拟研究。In:SEMNI工程数值方法大会，p a136 [26] Menegaldo，法学博士；Oliveira，LF，肌肉模型参数缩放对等长足底屈曲力矩预测的影响，生物医学杂志，422597-2601，（2009）·doi:10.1016/j.jbiomech.2009.06.043 [27] Menegaldo LL，Oliveira LF（2012）建模假设和实验方法对使用肌电图驱动模型进行肌肉力量估计准确性的影响。多体系统动力学28（1-2）：21-36。doi:10.1007/s11044-011-9273-8 [28] Minka T（2015）《光速工具箱》。http://research.microsoft.com/en-us/um/people/minka/software/lightspeed/。访问日期：2015年2月12日 [29] 诺兰，L；Kerrigan，DC，《姿势控制：脚趾站立与脚后跟脚趾站立》，《步态》，第19期，第11-15页，（2004年）·doi:10.1016/S0966-6362（03）00007-9 [30] Novak D，Robert R（2015）《可穿戴机器人中传感器融合方法的调查》。机器人自动系统73（2015）：155-170 [31] DA诺瓦克；Glasauer，S；Hermsdörfer，J，《物体操纵中的力控制——一种研究感觉运动控制策略的模型》，《神经科学生物行为评论》，第37期，第1578-1586页，（2013）·doi:10.1016/j.neu-biorev.2013.06.003 [32] DJ奥斯特里；Feldman，AG，运动控制中力控制假设的临界评估，实验脑研究，153275-288，（2003）·doi:10.1007/s00221-003-1624-0 [33] Panzieri，S；帕斯库奇，F；Ulivi，G，使用GPS和惯性平台的室外导航系统，IEEE/ASME Trans-Mechatron，7134-142，（2002）·doi:10.1109/TMECH.2002.1011250 [34] Press W，Teukolsky S，Vetterling W，Flannery B（1992）C中的数字食谱，第2版。剑桥大学出版社·Zbl 0845.65001号 [35] 罗森，J；品牌，M；富克斯，M；Arcan，M，基于肌球蛋白的动力外骨骼系统，IEEE Trans Syst Man Cybern Part A Syst Hum，31210-222，（2001）·数字对象标识代码：10.1109/3468.925661 [36] 桑格，TD，肌电信号的贝叶斯滤波，神经生理学杂志，971839-1845，（2007）·doi:10.1152/jn.0936.2006 [37] Schwartz，AB，《运动：大脑如何与世界沟通》，Cell，1641122-1135，（2016）·doi:10.1016/j.cell.2016.02.038 [38] Scott，SH，《最优反馈控制与意志运动控制的神经基础》，《国家神经科学评论》，第5期，第532-546页，（2004年）·doi:10.1038/nrn1427 [39] 沙德迈尔，R；Krakauer，JW，运动控制的计算神经解剖学，Exp Brain Res，185359-381，（2008）·数字对象标识代码：10.1007/s00221-008-1280-5 [40] Todorov E（2008）最优控制和估计之间的一般对偶性。2008年，第47届IEEE决策与控制会议，CDC 2008。IEEE，第4286-4292页 [41] 托多罗夫，E；Jordan，MI，作为运动协调理论的最优反馈控制，《国家神经科学》，51226-1235，（2002）·doi:10.1038/nn963 [42] Tucker M、Olivier J、Pagel A、Bleuler H、Bouri M、Lambercy O、Millan JD、Riener R、Vallery H、Gassert R（2015）《主动下肢假肢和矫形术的控制策略：综述》。神经病学康复杂志12（1）：1。doi:10.1186/1743-0003-12-1，http://www.jneuroengerhab.com/content/12/1/1 [43] 瓦列里，H；阿塞尔东克，E；巴斯，M；Kooij，H，康复机器人参考轨迹生成：互补肢体运动估计，IEEE Trans Neural Syst Rehabil Eng，17，23-30，（2009）·doi:10.1109/TNSRE.2008.2008278 [44] van der Heijden F、Duin R、de Ridder D、Tax DMJ（2005）《分类、参数估计和状态估计：使用MATLAB的工程方法》。信号处理系列。霍博肯·威利 [45] 沃尔珀特，DM；Ghahramani，Z，运动神经科学的计算原理，《国家神经科学》，31212-1217，（2000）·数字对象标识代码：10.1038/81497 [46] 沃尔珀特，DM；Kawato，M，电机控制的多对正反向模型，神经网络，111317-1329，（1998）·doi:10.1016/S0893-6080（98）00066-5 [47] Zajac，F，《肌肉和肌腱：特性、模型、缩放以及在生物力学和运动控制中的应用》，《生物工程评论》，17，359-411，（1989） [48] Zhang Q，Hayashibe M，Guiraud D（2011）基于刺激诱发肌电图和自适应转矩预测的肌肉疲劳跟踪。2011年IEEE机器人与自动化国际会议（ICRA），第1433-1438页。doi:10.10109/ICRA.2011.5980087 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。