【摘要】：穿戴假肢是下肢截肢者恢復日常生活的唯一途徑,只有快速準確地識別殘疾人的運動意圖,才能實現(xiàn)對假肢的靈活控制。肌電信號能體現(xiàn)人體的運動意圖,而且產(chǎn)生于人體真正運動之前,相比其它傳感器信息具有顯著優(yōu)勢�，F(xiàn)階段肌電信號運動模式識別的研究主要集中在健康人,但是殘疾人由于肌肉的截斷,其肌電信號與健康人存在很大的不同,因此利用殘肢肌電信息識別不同運動模式具有重要的意義。本課題從殘疾人出發(fā),通過采集大腿殘肢表面肌電信號識別下肢不同運動模式,識別結果可以為假肢提供控制源。主要的研究內(nèi)容如下:1.分析截肢對下肢肌肉的影響,選定下肢肌群,確定肌電信號采集方案。針對現(xiàn)有采集方案的不足,為截肢者設計內(nèi)嵌式傳感器系統(tǒng),采集不同運動模式下大腿殘肢表面肌電信號。2.通過對不同運動模式肌電信號的分析,提出了一種基于移動窗的多數(shù)據(jù)段檢測算法,實現(xiàn)了一個運動周期內(nèi)多數(shù)據(jù)段的提取。并對多數(shù)據(jù)段進行特征提取,構建特征向量。3.針對誤導和冗余特征值,利用基于遺傳算法的BP神經(jīng)網(wǎng)絡降維、基于遺傳算法的偏最小二乘法降維、基于平均影響值的神經(jīng)網(wǎng)絡特征降維的方法對特征值進行降維。根據(jù)降維結果,確定最優(yōu)特征向量。經(jīng)過降維,特征值維數(shù)明顯下降,而且識別率有所提高。4.選定各數(shù)據(jù)段最優(yōu)參數(shù)和數(shù)據(jù)段長度,用隨機森林算法進行分段運動模式識別。根據(jù)識別結果,提出一種基于隨機森林的二叉樹周期性模式識別方法,實現(xiàn)了5種運動模式的周期性識別。實驗結果證明,該方法提高了模式識別的準確率和實時性,有利于假肢的實時控制。
[Abstract]:Wearing artificial limbs is the only way to restore the daily life of the amputees of the lower extremities. Only by fast and accurate recognition of the movement intention of the disabled can the flexible control of the prosthesis be realized. The EMG signals can reflect the movement intention of the human body, and before the real movement of the human body, it has a significant advantage compared with its sensor information. The research of signal motion pattern recognition is mainly focused on healthy people, but the EMG signals of the disabled are very different from those of the healthy people because of the truncation of the muscles. Therefore, it is of great significance to identify different sports patterns by using the information of the myoelectric power of the disabled. The main research contents are as follows: 1. the main research contents are as follows: 1. analysis of the influence of amputation on the muscles of the lower limbs, the selection of the lower extremities and the acquisition scheme of EMG signal. The surface electromyography (EMG) signal.2. proposes a multi data segment detection algorithm based on the mobile window, which is based on the analysis of different motion patterns, and realizes the extraction of multiple data segments within a period of motion. The feature extraction is carried out for multiple data segments, and the feature vector.3. is constructed for the error and redundancy eigenvalues, and the BP based on genetic algorithm is used. Reducing dimension of neural network, reducing dimension based on partial least squares of genetic algorithm, reducing the dimension of eigenvalues based on eigenvalue reduction of neural network based on average influence value. According to the reduced dimension results, the optimal eigenvector is determined. After dimensionality reduction, the dimension of eigenvalues decreases obviously, and the recognition rate is improved to some extent of the optimal parameters and numbers of the selected data segments of.4.. According to the recognition results, a periodic pattern recognition method of two forked trees based on random forest is proposed to realize the periodic recognition of 5 kinds of motion patterns. The experimental results show that the method improves the accuracy and real time of pattern recognition, and is beneficial to the real time control of the prosthesis. System.
【學位授予單位】：河北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R496;TP391.4

【參考文獻】

相關期刊論文 前10條

1 周博翔;李平;李蓮;;改進隨機森林及其在人體姿態(tài)識別中的應用[J];計算機工程與應用;2015年16期

2 袁曉龍;梅雪;黃嘉爽;楊驥;;基于隨機森林算法的特征選擇及在fMRI數(shù)據(jù)中的應用[J];微電子學與計算機;2014年08期

3 張培林;李勝;;基于小波包變換和GA-PLS算法的故障特征選擇方法[J];振動.測試與診斷;2014年02期

4 李勝;張培林;李兵;周云川;;量子GA-PLS特征選擇算法及其應用[J];量子電子學報;2014年02期

5 陳玲玲;楊鵬;耿艷利;劉作軍;;基于肌電信號的膝關節(jié)力矩識別方法[J];中南大學學報(自然科學版);2013年S2期

6 耿麗清;袁國順;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的表面肌電信號識別[J];工業(yè)控制計算機;2013年02期

7 楊鵬;劉作軍;耿艷利;趙麗娜;;智能下肢假肢關鍵技術研究進展[J];河北工業(yè)大學學報;2013年01期

8 張洪強;劉光遠;賴祥偉;;隨機森林算法在肌電的重要特征選擇中的應用[J];計算機科學;2013年01期

9 高云園;孟明;羅志增;佘青山;;利用多源運動信息的下肢假肢多模式多步態(tài)識別研究[J];傳感技術學報;2011年11期

10 耿艷利;楊鵬;許曉云;陳玲玲;;動力型假肢膝關節(jié)設計與仿真研究[J];河北工業(yè)大學學報;2011年05期

相關會議論文 前2條

1 劉作軍;趙威釗;耿艷麗;楊鵬;王人成;;基于柔性迭代學習控制的智能下肢假肢系統(tǒng)[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

2 郭欣;楊鵬;劉洪彩;陳玲玲;;基于神經(jīng)網(wǎng)絡辨識的新型智能假肢控制機理研究[A];2006中國控制與決策學術年會論文集[C];2006年

相關碩士學位論文 前10條

1 李飛;基于表面肌電信號的小兒腦癱步態(tài)肌肉協(xié)同分析[D];中國科學技術大學;2014年

2 袁娜;基于概率神經(jīng)網(wǎng)絡的步態(tài)識別[D];河北工業(yè)大學;2014年

3 張莉;表面肌電信號模式識別及其運動分析[D];吉林大學;2013年

4 劉進華;基于隨機森林的語音情感識別研究[D];華南理工大學;2013年

5 孫甲文;表面肌電信號預處理技術研究[D];哈爾濱理工大學;2013年

6 趙顯;基于隨機森林的手勢檢測與識別系統(tǒng)的研究[D];湘潭大學;2012年

7 張洪強;隨機森林算法應用于肌電信號的情感識別[D];西南大學;2013年

8 周瑩;基于MIV特征篩選和BP神經(jīng)網(wǎng)絡的滾動軸承故障診斷技術研究[D];北京交通大學;2011年

9 盧蕾;基于表面肌電信號區(qū)分上肢動作的實驗研究[D];北京協(xié)和醫(yī)學院;2011年

10 熊靜;下肢姿態(tài)檢測及運動狀態(tài)預測算法研究[D];杭州電子科技大學;2009年

，

本文編號：2166906