肌张力是表征人体肌肉的紧张程度。下肢肌肉病理性痉挛是肌张力异常增高的一种形式,是脑卒中患者的常见并发症,其外在表现为肌肉僵硬及连续性或间断性抽搐并伴随着严重疼痛,在临床上表现出肌肉的强直、阵性以及痛性痉挛三类症状。目前,针对痉挛临界特征信息主要通过传感器信息感知与算法处理去提取其蕴含的痉挛类型及其发生的特征阈值。本论文基于肌张力信号的感知获取及特征分析研究基础,提出利用B4-FFT算法(B4-FFT:Base 4 Fast Fourier Transform)处理阵挛与痛挛性肌张力信号,采用时域与频域相结合的方法分析提取痉挛性肌张力的时域与频域特征信息,开展了步态行走的下肢肌张力采集实验与外骨骼式步态康复机器人交互力激励实验验证研究。具体的研究内容及相关工作如下。(1)根据下肢肌肉痉挛检测的感知机理,设计了获取肌张力信号的肌张力传感器,用于得出痉挛检测流程方法;通过分析常用的滤波方法,针对肌张力信号特点,提出了采用移动均值滤波法进行预处理,为痉挛特征信息提取研究以及康复机器人的助行实验研究工作的开展,奠定了研究基础。(2)痉挛性肌张力的时域特征信息提取及其表达。通过完成脑卒中患者痉挛实验采集,分析得到强直、阵性痉挛以及痛性痉挛三种病理性痉挛下的反映的肌张力信号,给出各类型痉挛的时域发生阈值以及时域特征表达,结果表明采用时域统计方法存在较大的局限性,不利于阵挛和痛性痉挛特征提取和判定;通过步态行走的下肢肌张力时域特征提取实验研究,指出了步态行走下的时域特征提取存在操作误差等因素影响,为后面章节痉挛性肌张力的频域特征提取研究提出了进一步要求。(3)痉挛性肌张力的频域特征信息提取及其表达。首先利用傅里叶数学理论分析痉挛性肌张力特征,并给出相应三种痉挛类型的特征表达式;然后通过对比分析DFT(DFT:Discrete Fourier Transform)直接算法、B2-FFT(B2-FFT:Base 2 Fast Fourier Transform)算法以及B4-FFT算法的三者性能效果差异,提出采用B4-FFT算法来处理痉挛性肌张力信号,获得痉挛发生的频率区间、幅度阈值以及频域特点;运用B4-FFT算法处理步态行走的下肢肌张力信号,得出步态行走对痉挛频域提取扰动影响较小,特征阈值更精确。(4)开展了人机交互力激励实验研究,验证特征提取算法的有效性。通过人机交互力激励下的肌张力特征提取实验,痉挛发生时,有效地提取频域阈值,且验证提取算法有效性;通过外骨骼式步态康复机器人的助行过程中的交互力激励实验,验证了提取方法对肌张力信息的动态提取的有效性,并用于外骨骼康复机器人助力效果评估。本文针对痉挛特征信息提取算法的研究结果,该算法能够稳定实时地提取痉挛性肌张力信号在时域与频域上存在的痉挛特征阈值,为准确提取痉挛阈值以及痉挛类型的辨识提供一种有效的技术手段;为防范脑卒中患者在康复训练过程中下肢肌肉痉挛提供关键性信息获取通道,可有效提升康复机器人的安全性和智能化水平。