最小二乘支持向量機自適應濾波器及其濾波方法
2023-04-24 22:36:21 1
專利名稱：最小二乘支持向量機自適應濾波器及其濾波方法
技術領域：
本發明屬於微創醫療輔助設備技術和智能控制領域，尤其涉及最小二乘支持向量 機及基於該設備的微創手術機器人的自適應濾波方法；
背景技術：
微創手術機器人系統作為醫療機器人在微創外科(MIS)中最為熱點的應用之一， 現已成為一個蓬勃發展的新領域，微創手術機器人系統是醫學技術和機器人技術相結合的 典型產物，它的成功應用使得微創手術在精確度、可靠性和操控性方面取得了極大的改善。微創手術機器人技術的成功應用帶來了外科手術模式的革命，從而極大地提高了 微創手術的質量和效率，然而在一些需要操作者手部直接介入的微創手術中，由於操作者 手部存在不等程度的震顫，降低了手術的精確度和穩定性，影響了微創手術的質量，震顫作 為一種疊加在期望信號上的隨機的類周期振蕩信號，主要分為生理震顫和病理震顫，通常 表現在人的頭部和四肢，對於具有高精度要求的微創手術，震顫的影響已成為不可忽略的 因素，儘管遙感機器人系統可降低震顫的影響，但其實時性能目前無法超越手部直接介入 式主從微創手術機器人系統(如圖1所示)，為此，手部震顫問題引起了國內外學者和研究 機構的關注；當前在震顫抑制這一領域已有很多學者做了相關的研究，其中具有代表性的成果 諸如Riley和Rosen採用八階巴特沃斯濾波器實現震顫的抑制，但濾波器的濾波帶寬為固 定的閥值，無法動態地完成震顫信號的濾除，同時模擬式濾波器存在滯後效應，無法滿足實 時性要求Jing Zhang和Fang Chu提出採用三階線性隨機自回歸(AR)模型實現震顫信號 的實時建模和預測，但其實現的前提為震顫是一種線性高斯隨機過程，因此不能客觀地描 述手部震顫行為；Cameron N. Riviere和Nitish V. Thakor提出採用基於權值的線性傅裡 葉均衡器(Weighted-frequency Fourier Linear Combiner, WFLC)從頻率、振幅和相位三 個角度對震顫信號建模，輸出與震顫信號的幅值和頻率相同，但相位相反的補償信號，再將 此與操作者手部實際輸入信號相疊加就實現了震顫信號的濾波，此方法在精度和實時性方 面都有很好的效果，但WFLC也是一種多層感知器(Multilayer Perception, MLP)結構，故 也具有多層感知器結構所存在的缺陷。
發明內容
本發明主要是針對上述微創手術機器人系統中存在的不足，提出了一種新的面 向微創手術機器人的最小二乘支持向量機(Least Squares Support VectorMachines, LS-SVM)自適應濾波方法，該方法充分利用了最小二乘支持向量機對於小樣本數據和高維 數據處理的優勢，可更為精確地對手部震顫信號建模和預測，很好的濾除手部震顫信號，從 而提高微創手術的精確度和穩定性。本發明中最小二乘支持向量機採用風險結構最小化原則，將優化問題轉化為求解 線性方程組，並得到唯一的全局最優解，從而提高了震顫濾波的精確性，其技術解決方案為一種最小二乘支持向量機自適應濾波器，包括六自由度慣性測量模塊、震顫濾波模塊、 運算控制模塊和主操作手驅動模塊，其中所述六自由度慣性測量模塊由三維加速度傳感模塊和三維角速度傳感模塊組成， 實現操作者手部輸入信號的量化；所述震顫濾波模塊採用最小二乘支持向量機方法實現操作者手部震顫信號的建 模，並產生與震顫信號的幅值和頻率相同但相位相反的補償信號，通過該補償信號與實際 受擾信號相疊加來實現震顫濾波；所述運算控制模塊實現濾波裝置中的模數轉換、逆運動學計算及其關節控制；所述主操作手驅動模塊包含功率放大器和壓電驅動單元，驅動主操作手按照操作 者所期望的軌跡運動；所述六自由度慣性測量模塊依次通過運算控制模塊中的模數轉換單元、帶寬濾波 器和位姿採集模塊與震顫濾波模塊連接，該震顫濾波模塊依次通過運算控制模塊中的單關 節控制器和數模轉換器(D/A)與主操作手驅動模塊中的功率放大器連接；上述最小二乘支持向量機自適應濾波器的濾波方法，包括以下步驟步驟一通過慣性測量單元中的三維加速度傳感模塊和三維角速度傳感模塊分別
測量出操作者手部在空間中的三維加速度信號；;，) ，■; 和三維角速度信號K麼；步驟二 通過模數轉換單元(A/D)將所測得的模擬信號轉換成計算機能夠處理的 數位訊號，之後用帶寬濾波器濾除該信號中由測量模塊所引起的時鐘噪聲信號，位姿採集 模塊再從經由帶寬濾波器處理之後的信息中採集手術操作者手部的位姿信號即空間位置 信號x，y，z和空間旋轉角信號0X，0y，0Z，得到空間位置信號和空間旋轉角信號；步驟三將步驟二得到的空間位置信號和空間旋轉角信號作為震顫濾波模塊的輸 入量，通過最小二乘支持向量機自適應濾波器對震顫行為進行離線建模，輸出震顫信號的 估計值即X'，y' z'和e' x, e 『 y, e 『 z，將此估計值取反作為震顫的補償信號與位 姿採集模塊採集的位姿信息相疊加完成手部震顫行為的濾波；步驟四經過濾波處理的手術操作信號由計算機控制系統中的運算控制模塊對其 進行逆運動學計算得到關節變量X 」…，，並由單關節控制器來對其控制，然後將單關 節控制器輸出的信號轉變為模擬電壓信號V」…，vn傳送給功率放大器，最後通過壓電驅動 器來驅動主操作手；上述步驟二中的帶寬濾波器的頻段優選為2. 5Hz 50Hz ；實現該濾波方法的算法包括以下步驟步驟一採用已有的訓練數據集{(S,.，/!,.)}；^* G鏟是 維輸入矢量，其中而= (Si，Sh，…，Si_n)，叫G R為其對應的輸出量；步驟二 根據Suykens的最小二乘支持向量機理論(Least Squares SupportVector Machines, LS-SVM)可知首先將輸入矢量通過非線性函數 ( )映射到 高維特徵空間F，從而將非線性函數回歸問題轉化為高維空間的線性回歸，在特徵空間裡採 用如下表達式估計未知的非線性函數，即 n(k) = cJ^S) +b, 「 eF，bGR
其中co和b為待定參數；
步驟三=LS-SVM的優化問題可定義為
1 N min7(it;,e) =C > 0
Λ，fiO^^
<",e2
滿足等式約束，即 η, = ωτφ (Sj+b+e,, i = 1,2, ...，N
其中目標函數的第一項對應於模型的泛化能力 目標函數的第二項代表了模型的精確性； 正常數C是模型泛化能力和精度之間的一個折中參數； ei是第i個數據的實際輸出和預測輸出間的誤差； 步驟四定義步驟三中優化問題的Lagrange函數，即
N
L(co，b』e;a) = 3{ω, ) -J^ai {cJ(p{S t) + b + ei - η；}其中，αi G R，(i = 1，2，···，Ν)為 Lagrange 因子，在 LS-SVM 的表達式中 Qi^O5步驟五對步驟四中的Lagrange函數進行優化求解，根據 KKT (Karush-Khum-Tucker，KKT)條件，分別求 Lagrange 函數變量 ω、b、ei、Qi 的偏微分， 並令其為零
QLN— = 0=> W=Y;) OiO
QLN— = 0= J^cr1 =0
◎b,·=ι
dL- = O^ CXi=CeiI = 1,2, ...，N Oei
dL =0=> wT^Si) + b + ei~ni=0
Qai
由α i = Cei可知，只要ei不為零，Lagrange因子就不為零，因此，LS-SVM就失去 了稀疏性；步驟六通過以上步驟，將優化問題變為求線性方程組，整理步驟五中的方程組， 消去變量ω和ei，得到矩陣形式為其中向量η = Qvn2,…，nN]T，T = [1，1，..·，1]Γ，α =[α1，α2，…，αΝ]τ，Ω 是-個NXN對稱矩陣，即Qij = φ (Si)1 Φ (Sj)τ = K(Si Sj) i，j = l，2，...，N其中K( ·，·)為核函數，步驟七假設步驟六中所得矩陣可逆，且令
01'b"0"—> 1Ω+C"1/αη
7則參數α和b的解析解可表示如下
步驟八由步驟七中參數α和b的解析解表達式可得LS-SVM模型表達式為
5、根據權利要求4所述的最小二乘支持向量機自適應濾波器的濾波方法，其特徵 在於步驟六中所述核函數K( ，·)採用徑向基(RBF)核函數，即足(S，Sy)= eXp|-i^^L|其中σ2為核函數的核寬度。本發明充分利用了最小二乘支持向量機對於小樣本數據和高維數據處理的優勢， 可更為精確地對手部震顫信號建模和預測，很好的濾除手部震顫信號，從而提高微創手術 的精確度和穩定性。
圖1為主從式微創外科手術機器人系統總體框圖；圖2為最小二乘支持向量機自適應濾波器原理框圖；圖3為最小二乘支持向量機自適應濾波器數學模型圖；圖4為最小二乘支持向量機模型離線訓練圖；圖5為LS-SVM模型輸入輸出關係圖；圖6為操作者手部期望操作信號曲線圖；圖7為操作者手部受震顫影響的手部實際輸出的操作信號曲線圖；圖8為最小二乘支持向量機自適應濾波器(LS-SVMAF)和網絡拓撲結構式自適應 濾波器(MLP-AF)對震顫信號濾波的誤差曲線圖；圖9為網絡拓撲結構式自適應濾波器(MLP-AF)對實際受擾操作信號的還原曲線 圖；圖10為最小二乘支持向量機自適應濾波器(LS-SVMAF)對實際受擾操作信號的還 原曲線具體實施例方式下面結合附圖和具體實施方式
對本發明做進一步的說明。本發明涉及的最小二乘支持向量機自適應濾波器(Least Squares SupportVector Machines Adaptive Filter, LS-SVMAF)，主要實現操作者手部震顫信號的 濾除，最大限度地恢復操作者手部的輸入信息，從而提高微創手術的精度。如圖2所示，一
Ω種最小二乘支持向量機自適應濾波器，包括六自由度慣性測量模塊、震顫濾波模塊、運算控 制模塊和主操作手驅動模塊，其中所述六自由度慣性測量模塊由三維加速度傳感模塊和三維角速度傳感模塊組成， 實現操作者手部輸入信號的量化；所述震顫濾波模塊採用最小二乘支持向量機方法實現操作者手部震顫信號的建 模，並產生與震顫信號的幅值和頻率相同但相位相反的補償信號，通過該補償信號與實際 受擾信號相疊加來實現震顫濾波；所述運算控制模塊實現濾波裝置中的模數轉換、逆運動學計算及其關節控制；所述主操作手驅動模塊包含功率放大器和壓電驅動單元，驅動主操作手按照操作 者所期望的軌跡運動；所述六自由度慣性測量模塊依次通過運算控制模塊中的模數轉換單元、帶寬濾波 器和位姿採集模塊與震顫濾波模塊連接，該震顫濾波模塊依次通過運算控制模塊中的單關 節控制器和數模轉換器(D/A)與主操作手驅動模塊中的功率放大器連接；本發明涉及一種適用於微創手術機器人的最小二乘支持向量機自適應濾波方法， 該方法採用風險結構最小化原則，將優化問題轉化為求解線性方程組，並得到唯一的全局 最優解，從而提高了震顫濾波的精確性。上述最小二乘支持向量機自適應濾波器的濾波方法，包括以下步驟步驟一通過慣性測量單元中的三維加速度傳感模塊和三維角速度傳感模塊分別
測量出操作者手部在空間中的三維加速度信號 ；C·，)·; 和三維角速度信號K麼；步驟二 通過模數轉換單元(A/D)將所測得的模擬信號轉換成計算機能夠處理的 數位訊號，之後用帶寬濾波器濾除該信號中由測量模塊所引起的時鐘噪聲信號，位姿採集 模塊再從經由帶寬濾波器處理之後的信息中採集手術操作者手部的位姿信號即空間位置 信號x，y，ζ和空間旋轉角信號θχ，ey，θ z，得到空間位置信號和空間旋轉角信號；步驟三將步驟二得到的空間位置信號和空間旋轉角信號作為震顫濾波模塊的輸 入量，通過最小二乘支持向量機自適應濾波器對震顫行為進行離線建模，輸出震顫信號的 估計值即χ'，ι' ζ'和θ' χ, θ 『 y, θ 『 ζ，將此估計值取反作為震顫的補償信號與位 姿採集模塊採集的位姿信息相疊加完成手部震顫行為的濾波；步驟四經過濾波處理的手術操作信號由計算機控制系統中的運算控制模塊對其 進行逆運動學計算得到關節變量λ 」…，λη，並由單關節控制器來對其控制，然後將單關 節控制器輸出的信號轉變為模擬電壓信號V1,…，Vn傳送給功率放大器，最後通過壓電驅動 器來驅動主操作手；上述步驟二中的帶寬濾波器的頻段為2. 5Hz 50Hz。實現該濾波方法的算法包括以下步驟步驟一採用已有的訓練數據集{(S,·,巧M^Si e Rn是 維輸入矢量，其中=Si = (Si，Si^1,…，Si_n) , Hi e R為其對應的輸出量；步驟二 根據Suykens的最小二乘支持向量機理論(Least Squares SupportVector Machines, LS-SVM)可知首先將輸入矢量通過非線性函數Φ ( ·)映射到 高維特徵空間F，從而將非線性函數回歸問題轉化為高維空間的線性回歸，在特徵空間裡採 用如下表達式估計未知的非線性函數，即
權利要求
最小二乘支持向量機自適應濾波器，包括六自由度慣性測量模塊、震顫濾波模塊、運算控制模塊和主操作手驅動模塊，其中所述六自由度慣性測量模塊由三維加速度傳感模塊和三維角速度傳感模塊組成，實現操作者手部輸入信號的量化；所述震顫濾波模塊採用最小二乘支持向量機方法實現操作者手部震顫信號的建模，並產生與震顫信號的幅值和頻率相同但相位相反的補償信號，通過該補償信號與實際受擾信號相疊加來實現震顫濾波；所述運算控制模塊實現濾波裝置中的模數轉換、逆運動學計算及其關節控制；所述主操作手驅動模塊包含功率放大器和壓電驅動單元，驅動主操作手按照操作者所期望的軌跡運動；所述六自由度慣性測量模塊依次通過運算控制模塊中的模數轉換單元、帶寬濾波器和位姿採集模塊與震顫濾波模塊連接，該震顫濾波模塊依次通過運算控制模塊中的單關節控制器和數模轉換器與主操作手驅動模塊中的功率放大器連接；
2.權利要求1所述最小二乘支持向量機自適應濾波器的濾波方法，包括以下步驟 步驟一通過慣性測量單元中的三維加速度傳感模塊和三維角速度傳感模塊分別測量出操作者手部在空間中的三維加速度信號m 和三維角速度信號K麼；步驟二 通過模數轉換單元將所測得的模擬信號轉換成計算機能夠處理的數位訊號， 之後用帶寬濾波器濾除該信號中由測量模塊所引起的時鐘噪聲信號，位姿採集模塊再從經 由帶寬濾波器處理之後的信息中採集手術操作者手部的位姿信號即空間位置信號X，1, z 和空間旋轉角信號0X，0y，0Z，得到空間位置信號和空間旋轉角信號；步驟三將步驟二得到的空間位置信號和空間旋轉角信號作為震顫濾波模塊的輸入 量，通過最小二乘支持向量機自適應濾波器對震顫行為進行離線建模，輸出震顫信號的估 計值即X' ,1' Z'和e' x, 0 『 y, e 『 z，將此估計值取反作為震顫的補償信號與位姿 採集模塊採集的位姿信息相疊加完成手部震顫行為的濾波；步驟四經過濾波處理的手術操作信號由計算機控制系統中的運算控制模塊對其進行 逆運動學計算得到關節變量X」…，xn，並由單關節控制器來對其控制，然後將單關節控 制器輸出的信號轉變為模擬電壓信號V」…，VJ.送給功率放大器，最後通過壓電驅動器來 驅動主操作手。
3.根據權利要求2所述的最小二乘支持向量機自適應濾波器的濾波方法，其特徵在 於所述帶寬濾波器的頻段為2. 5Hz 50Hz。
4.根據權利要求2所述的最小二乘支持向量機自適應濾波器的濾波方法，其特徵在 於實現該濾波方法的算法包括以下步驟步驟一採用已有的訓練數據集{(S,.,%)}。，Si G鏟是11維輸入矢量，其中而=(Si， Sh，…，Si_n)，niGR為其對應的輸出量；步驟二 根據Suykens的最小二乘支持向量機理論可知首先將輸入矢量通過非線性 函數 ( )映射到高維特徵空間F，從而將非線性函數回歸問題轉化為高維空間的線性回 歸，在特徵空間裡採用如下表達式估計未知的非線性函數， 即n(k) = coT 0w』e2臺滿足等式約束，即(S.)+b+ei, i = 1,2,…，N其中目標函數的第一項對應於模型的泛化能力目標函數的第二項代表了模型的精確性；正常數C是模型泛化能力和精度之間的一個折中參數；ei是第i個數據的實際輸出和預測輸出間的誤差；步驟四定義步驟三中優化問題的Lagrange函數，即N由a i = Cei可知，只要ei不為零，Lagrange因子就不為零，因此，LS-SVM就失去了稀 疏性；步驟六通過以上步驟，將優化問題變為求線性方程組，整理步驟五中的方程組，消去 變量《和ei，得到矩陣形式為an其中向量 n =[叫，n2，—, nN]T,T = [l5l,.--,l]r, a = ta i' a 2，…，aN]T, Q 是一個 NXN對稱矩陣，即^ij = (Si)> (Sj)T = K(Si, Sj) i，j = l，2，…，N其中K( ， )為核函數；步驟七假設步驟六中所得矩陣可逆，且令
5.根據權利要求4所述的最小二乘支持向量機自適應濾波器的濾波方法，其特徵在 於步驟六中所述核函數K( ， )採用徑向基(RBF)核函數，即
全文摘要
本發明提供一種最小二乘支持向量機自適應濾波器，包括六自由度慣性測量模塊、震顫濾波模塊、運算控制模塊和主操作手驅動模塊，其中，六自由度慣性測量模塊由三維加速度傳感模塊和三維角速度傳感模塊組成；震顫濾波模塊採用最小二乘支持向量機方法實現操作者手部震顫信號的建模，並產生與震顫信號的幅值和頻率相同但相位相反的補償信號；運算控制模塊實現濾波裝置中的模數轉換、逆運動學計算及其關節控制；主操作手驅動模塊包含功率放大器和壓電驅動單元；六自由度慣性測量模塊、震顫濾波模塊和主操作手驅動模塊通過所述運算控制模塊依次電連接。還提供一種濾波方法。本發明很好的濾除手部震顫信號，從而提高微創手術的精確度和穩定性。
文檔編號A61B19/00GK101972170SQ20101051849
公開日2011年2月16日 申請日期2010年10月22日 優先權日2010年10月22日
發明者劉治, 吳啟航, 章雲, 蔣海仙 申請人:廣東工業大學