买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学技术大学申请的专利基于运动单位和神经肌肉骨骼模型的关节角度预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117195024B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311158476.3，技术领域涉及：G06F18/23213；该发明授权基于运动单位和神经肌肉骨骼模型的关节角度预测方法是由张旭;刘云飞;赵昊文设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本基于运动单位和神经肌肉骨骼模型的关节角度预测方法在说明书摘要公布了：本发明公开了一种基于运动单位和神经肌肉骨骼模型的关节角度预测方法，包括：1、关节运动时的肌电数据与运动数据的采集与预处理；2、采用非负矩阵分解算法提取运动单位激活位置并聚类；3、通过回归模型和颤搐力模型估计神经激活；4、基于特定的肌肉骨骼模型完成神经激活到关节角度的解算；5、基于全局式的启发式搜索算法，对上述肌肉骨骼模型中的扩展参数向量进行优化，利用优化后的神经肌肉骨骼模型进行关节角度预测。本发明能够从底层神经指令，按照运动生理规律，解码运动行为，从而能实现更加鲁棒且精准的关节角度预测。

本发明授权基于运动单位和神经肌肉骨骼模型的关节角度预测方法在权利要求书中公布了：1.一种基于运动单位和神经肌肉骨骼模型的关节角度预测方法，其特征在于，是按如下步骤进行： 步骤1、关节运动时的肌电数据与运动数据的采集与预处理： 步骤1.1、利用肌电测量设备和M通道的高密度电极在待测肌肉处采集关节运动时t时刻的高密度表面肌电信号，记为xt＝[x1t，x2t，...，xmt，...，xMt]T，其中，xmt表示t时刻第m个通道的肌电数据，从而得到时长为T1的高密度表面肌电信号X；T表示转置； 同时利用动作采集设备采集关节中S个自由度的角度信息，记为 其中，代表t时刻关节中第s个自由度的角度，从而得到时长为T1的真实关节角度 利用肌电测量设备采集受试者执行最大自主收缩时的肌电峰值，记为MVC； 步骤1.2、采用盲源分离算法分解所述时长为T1的高密度表面肌电信号X，得到N个运动单位发放序列S＝[s1，s2，...，sn，...，sN]T及其二维波形W＝[w11，w12，...，w1M，...，wnm，...，wNM]R和残差肌电波形矩阵Residual，其中，sn代表时长为T1的第n个运动单位发放序列，wnm代表第n个运动单位发放序列sn在第m个通道中的波形； 步骤2、采用非负矩阵分解算法提取运动单位激活位置并聚类： 从N个M通道的二维波形W中提取N个运动单位的激活位置，记为P＝[p1，...，pn...，PN]T，其中，pn代表第n个运动单位发放序列sn的激活位置； 令聚类中心的数目与假定的肌肉肌腱单元数目一致，记为k，从而利用聚类算法对N个运动单位的激活位置P进行聚类，得到k个聚类中心记为C＝[c1，...，ci，...ck]T以及各运动单位的类别索引g＝[g1，...，gn...，gN]T，其中，ci代表第i个聚类中心的二维位置，gn表示第n个运动单位的类别索引； 步骤3、通过回归模型和颤搐力模型估计神经激活： 从S和W中估计k个肌肉肌腱单元的神经激活，记为U＝[u1，u2，...，ui，...，uk]T，其中，ui代表时长为T1的第i个肌肉肌腱单元的神经激活，且ui＝[ui1，ui2，...，uiLt，...，uiT1]，其中，uit表示第i个肌肉肌腱单元在t时刻的神经激活； 步骤4、基于肌肉骨骼模型完成神经激活到关节角度的解算： 步骤4.1、利用式1对U进行非线性化，得到相应的肌肉激活A： 式1中，z是非线性因子，A＝[a1，a2，...，ai，...，ak]R，其中，ai＝[ai1，ai2，...，ait，...，aiT1]，ait代表第i个肌肉肌腱单元在t时刻的肌肉激活； 步骤4.2、初始化t＝0； 设定第t时刻估计的关节角度θt＝[θ1t，θ2t，...，θst，...，θSt]，其中，θst表示t时刻估计的关节中第s个自由度的角度； 设定第t时刻的肌纤维收缩速度vt＝[v1t，v2t，...，vit，...，vkt]T为0向量，其中，vit表示t时刻第i个肌肉肌腱单元的肌纤维收缩速度； 给定肌肉骨骼模型的参数向量h： 式2中，φo，i，和分别为第i个肌肉肌腱单元的最大等长力，最佳肌纤维长度，最佳羽状角，肌腱长度和长度缩放因子； 步骤4.3、利用希尔肌肉模型计算k个肌肉肌腱单元在t时刻的肌肉力其中，表示t时刻第i个肌肉肌腱单元的肌肉力； 步骤4.4、利用式3得到t时刻关节中S个自由度的扭矩τt： 式3中，τt＝[τ1t，τ2t，...，τst，...，τSt]，τst代表t时刻关节中第s个自由度的扭矩；rit表示t时刻第i个肌肉肌腱单元的力臂向量，且rit＝[ri1t，ri2t，...，rist，...，riSt]，rist为第i个肌肉肌腱单元在关节中第s个自由度上的力臂； 步骤4.5、利用数值积分的方法求解式4所示的状态方程，从而得到t+1时刻估计的关节角度θt+1； 式4中，M为惯性矩阵，C为阻尼矩阵，K为刚度矩阵，G为重力矩阵；表示t时刻估计关节角度的一阶微分，表示t时刻估计关节角度的二阶微分； 步骤4.6、将t+1赋值给t后，若t≠T1，则返回步骤4.3顺序执行，从而求解下一时刻的估计关节角度； 步骤5、基于全局式的启发式搜索算法，对肌肉骨骼模型中的扩展参数向量进行优化： 步骤5.1、初始化扩展参数向量 式5中，a，b表示两个回归系数，c为幅度缩放因子； 步骤5.2、利用扩展参数向量按照步骤2-步骤4的过程对时长为T1的高密度表面肌电信号X进行处理，获得时长为T1的估计关节角度，记为Θ＝[θ0，θ1，...，θt，...，θT1]； 步骤5.3、以真实关节角度作为参考，在设定的约束范围内采用全局优化算法对扩展参数向量进行优化求解，使得估计关节角度Θ与真实关节角度之间均方根误差最小，从而得到优化后的扩展参数向量利用所决定的神经肌肉骨骼模型实现对关节角度的预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。