1．目的及意义

1.1 研究目的及意义

目前，我国已成为世界上老年人口最多的国家。据国家统计局2018年1月18日发布的最新老年人口统计数据，2017年末，我国60周岁及以上人口24090万人，总人口的17.3%， 65周岁及以上人口15831万人，占总人口的11.4%。由于老年人身体机能的退化，关节炎、中风、偏瘫等肢体障碍疾病的发生率也在持续上升，极大的影响了这些患者的日常生活，降低了他们的生活质量。预计每年新增的60岁以上老年人口中，有60%—70%需要康复服务。此外，我国目前有8500万残疾人，每年新增近200万人，有40%的残疾人有康复需求。

康复医疗一直是现代医学的重要组成部分，随着国外康复医疗发展经验的不断影响，康复医疗的新模式、新技术层出不穷。传统的康复治疗主要通过物理疗法、体育疗法、生活训练等多种手段，存在人员消耗大、康复周期长、效果有限等问题^[1]。其次，在训练过程中，患者处于被动地位，动作反复、单调、枯燥，患者很容易产生厌烦情绪，不利于治疗的继续和深入。

与传统的人工康复训练模式相比，采用虚拟现实技术进行康复训练对于患者了来说具有很多优点。首先虚拟现实技术由计算机硬件和软件实现，花费人力资源较少，能有效解决康复医师资源紧缺的问题;其次，虚拟对象及虚拟场景具备可编程能力，可以针对患者肌肉的损伤程度和恢复程度提供多样化的训练环境，保障了康复训练的强度和精度；最后，该康复软件可以监控患者整个康复训练中各个动作的生理参数和运动参数，为后续康复训练提供参考依据^[2]。

肌电信号（EMG）是与人体动作相关联的动作电位组合的序列总和，其特征的变化能在一定程度上反映中枢控制因素以及肌肉兴奋传导速度的特性^[3]。因此，如何更好的利用肌电信号来获取用户的运动意图成为了需要研究的重点。通过建立肘关节骨骼肌模型，将上肢表面肌电信号转化为人体运动时的力学参数。基于该力学参数，开发出科学有效的人机交互接口，实时的将患者的运动意图反映在虚拟对象上，将康复训练与虚拟现实技术结合起来，使患者沉浸在模拟空间中。这对于帮助患者提高训练的积极性，提升康复训练的效率和效果，有着重要的意义。

1.2 国内外研究现状

一块典型的骨骼肌由中间部的肌腹和两端的肌腱构成。其中肌腹是肌的主体部分，具有收缩能力，肌腱无收缩能力。20世纪30年代，Hill提出了一个由收缩元（CC），串联弹性元（SEC）和并联弹性元（PEC）三元素组成的肌肉结构力学模型^[4]，为肌肉力学的发展奠定了基础。20世纪80年代，Zajac在对肌肉的肌腹和肌腱的性质进行完整的分析研究后，提出了静态肌肉力与肌肉长度关系曲线以及动态肌肉力与肌肉收缩速度关系，建立了肌肉的活化度模型和肌肉力模型^[5]。2009年，张莹^[6]提出了一种基于Zajac肌肉力模型，利用virtual muscle3.1.5 软件对人体上肢骨骼肌进行仿真，但是由于不合理的简化了肌肉模型，最终该模型不能有效的反映出肌肉的运动状态。2010年，上海交通大学的王成焘教授等人^[7]基于人体解剖学完成了中国力学虚拟人三维模型的系统集成，软件开发和运动学与动力学模块的系统集成与开发。2012年，天津大学张争辉等人^[8]搭建了合理的人体上肢运动模型，利用拉格日动力学方程对人体上肢进行反向动力学分析和建模，验证该简化运动模型的合理性，最终找到肌电信号与关键运动和肌肉力的关系。 2014年，魏高峰等人^[9]建立了一种人体骨骼肌系统的整体有限元模型。该模型能真实有效地对人体骨骼肌系统整体运动过程中的微观力学进行仿真分析。

近几年，针对膝关节的肌电信号-关节力矩的研究中，许全盛等人^[10]提出一种利用表面肌电信号估计膝关节动态力矩的BP神经网络模型方法，计算不用负重状态下网络估计的膝关节力矩。结果表明，该模型能在自然状态下有效的对关节力矩进行准确估计，但该网络的估计精度随肌肉负重增加而降低，其适用的运动环境强度不能太高。赵广宇等^[11]人应用支持向量机学习人体下肢外骨骼模型，建立外骨骼的状态空间方程，计算出相应的关节控制力矩，与实际测量值相匹配。而在肘关节方面，J.ROSEN等人^[12]运用BP神经网络用于计算关节力矩。神经网络的输入为肱二头肌，肱桡肌，肱三头肌长头和外侧头的肌电信号，肘关节和肩关节角度信息，网络输出为肘关节力矩。该方法的精度与BP神经网络中间层的节点数目有关，节点数目越高，错误率越低，但增加了学习时间和浮点数计算的时间。

人机交互是实现用户与计算机之间进行信息交换的通路，人机交互控制的关键前提是精确的识别出人体运动意图。在康复医疗领域，人机接口的设计更多的是依赖根据生物电信号获得的各类信息。临床上常见的生物电信号有心电，脑电，肌电等。近年来，脑机接口技术被大量地应用于康复训练中^[13]，利用脑电信号帮助神经肌肉系统瘫痪但思维正常的患者实现与外界的交互^[14-16]。如，国内外多个研究小组用运动想象脑电信号实现了轮椅控制^[17]，虚拟仿真控制^[18]等。但是脑电信号是不具备各态历经性的非平稳随机信号，信噪比低，提取有效信息的难度很大。

肌肉在做不同的收缩动作时，表面肌电信号是不同肌肉纤维群动作电位的叠加，通过分析其特征值可以识别出不同肌肉的运动模式，非常适合作为人机交互系统的参考输入。其实现方式一般是用手势识别结果控制构建的虚拟对象的运动。Wen W等人^[19]搭建了多路数据分流卷积神经网络，提出了一个基于表面肌电信号的手势识别分类器。采用200毫秒的时间窗口，手势识别率达到了85%，采用300毫秒的观察窗口，识别率达到了95.4%。

因此，本项目从基于肘关节骨骼肌的表面肌电信号入手，研究肌电信号中与手臂屈伸相关的信息，作为人机交互系统的控制信号，控制虚拟对象的运动，从而搭建一个代入性强，友好的交互交互界面。

{title}

2. 研究的基本内容与方案

{title}

本论文以骨骼肌为对象，从运动机理出发，构建人体上肢肘关节部位运动系统正向生物力学全过程模型，获得肘关节力矩，包括研究肘关节部位骨骼肌生物电激活模型，肌肉收缩力学模型，肌肉结构功能模型。再通过建立逆动力学模型，即用肘关节位置，关节速度和关节加速度，获得关节力矩，验证正向动力学模型的结果。同时，基于该骨骼肌模型输出的关节力矩，设计人机交互系统接口，并搭建相应的虚拟系统，最终达到人体肘关节的屈伸运动能控制虚拟对象的状态，实现人与虚拟对象的友好互动。系统组成由图1所示。