【摘要】：表面肌電信號(hào)(surface electromyograph signal, sEMG)是通過(guò)人體表丨fir電極，在人體皮膚表面采集人體肌肉運(yùn)動(dòng)時(shí)所產(chǎn)生的電位信號(hào)。不同的人手抓取動(dòng)作引發(fā)+同的肌肉群作用，產(chǎn)生不同的電信號(hào)。表面肌電信號(hào)在人手抓取動(dòng)作的模式識(shí)別領(lǐng)域具有獨(dú)特的優(yōu)勢(shì)，因此被廣泛應(yīng)用于假肢控制、康復(fù)訓(xùn)練、臨床醫(yī)學(xué)和體育科學(xué)等諸多領(lǐng)域中。對(duì)于利用表面肌電信號(hào)識(shí)別人手抓取動(dòng)作，關(guān)鍵是表面肌電信號(hào)的特征提取以及模式分類《 本文通過(guò)對(duì)人體前臂表面肌電信號(hào)的處理來(lái)識(shí)別人手抓取動(dòng)作，從而實(shí)現(xiàn)對(duì)肌電假肢手的控制，用于對(duì)殘疾病人的康復(fù)治療。本文主要研究表面肌電信號(hào)的預(yù)處理、特征提取和模式識(shí)別。主要工作如下： (1)對(duì)表面肌電信號(hào)進(jìn)行采集，依據(jù)人體解剖學(xué)，運(yùn)動(dòng)醫(yī)學(xué)等知識(shí)，尋找肌電信號(hào)與肌群的關(guān)系，確定最佳的肌電電極位置，懫用美國(guó)DELSYS公司生產(chǎn)的表面肌電信號(hào)采集設(shè)備采集8種常見(jiàn)的人手抓取動(dòng)作對(duì)應(yīng)的肌電信號(hào)。 (2)對(duì)表面肌電信號(hào)進(jìn)行預(yù)處理，包括濾波和活動(dòng)段檢測(cè)。針對(duì)表面肌電信號(hào)的主要頻段在20-500HZ。所以采用20-500HZ切比雪夫帶通濾波器進(jìn)行去噪，再采用切比雪夫帶阻濾波器濾除50HZ的工頻千擾。本文采用穩(wěn)態(tài)肌電信號(hào)用于人手抓取動(dòng)作模式識(shí)別，采用移動(dòng)平均法處理表面肌電信號(hào)序列的瞬時(shí)能量，并結(jié)合閾值比較法進(jìn)行活動(dòng)段檢測(cè)。 (3)對(duì)表面肌電信號(hào)進(jìn)行特征提取，論文首先對(duì)時(shí)域特征、頻域特征、時(shí)頻域特征等常用的肌電信號(hào)特征識(shí)別方法進(jìn)行了分析，在此基礎(chǔ)上提出了基于小波包能量譜和主成分分析相結(jié)合的特征提取方法，并且與采用小波包能量譜的特征提取方法做了對(duì)比，識(shí)別率相當(dāng)，但降低了特征維數(shù)，降低了假肢控制的復(fù)雜度，具有較強(qiáng)的實(shí)用價(jià)值^ 。 (4)對(duì)表面肌電信號(hào)進(jìn)行模式分類，論文首先對(duì)基于統(tǒng)計(jì)方法的貝葉斯(Bayes)決策分類器、模糊分類器、神經(jīng)網(wǎng)絡(luò)分類器和支持向量機(jī)分類器進(jìn)行了比較分析。由于SVM算法具有理論相對(duì)完備、適應(yīng)性強(qiáng)、全局化優(yōu)、訓(xùn)練時(shí)間短、泛化性能好、算法復(fù)雜度與特征樣本維數(shù)無(wú)關(guān)、魯棒性較好等優(yōu)點(diǎn)，因此本文選用SVM分類器用于人手抓取動(dòng)作的模式識(shí)別。 (5)實(shí)驗(yàn)及結(jié)果分析，首先對(duì)人手抓取動(dòng)作選取進(jìn)行了研究，選取了常見(jiàn)的8種人手動(dòng)作抓取模式，并選取人手前臂4塊肌肉作為實(shí)驗(yàn)采集的表面肌電信號(hào)的信號(hào)源。實(shí)驗(yàn)懫用時(shí)域特征提取方法與T頻域特征提取方法進(jìn)行了人手抓取動(dòng)作的識(shí)別率比較，得出時(shí)頻域特征提取方法明顯優(yōu)于時(shí)域特征組合的方法。實(shí)驗(yàn)還對(duì)不同人手抓取動(dòng)作種類進(jìn)行了研究。實(shí)驗(yàn)結(jié)果表明，假肢中常用的5種動(dòng)作的識(shí)別率為100%,6種和7種動(dòng)作時(shí)的平均識(shí)別率也都在97%以上，8種動(dòng)作時(shí)的平均識(shí)別率為90.5%,都能滿足假肢控制的要求。最后考慮到實(shí)用假肢控制系統(tǒng)要求采用盡量少的傳感器，分析了采用3個(gè)傳感器T識(shí)別結(jié)果，對(duì)8種動(dòng)作依然可以達(dá)到85%以上的識(shí)別率，對(duì)5種動(dòng)作時(shí)的識(shí)別率可以到達(dá)96%以上。
【學(xué)位授予單位】：上海師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高劍;羅志增;;支持向量機(jī)在肌電信號(hào)模式識(shí)別中的應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2007年02期

2 胡巍;趙章琰;路知遠(yuǎn);陳香;;無(wú)線多通道表面肌電信號(hào)采集系統(tǒng)設(shè)計(jì)[J];電子測(cè)量與儀器學(xué)報(bào);2009年11期

3 席旭剛;李仲寧;羅志增;;基于相關(guān)性分析和支持向量機(jī)的手部肌電信號(hào)動(dòng)作識(shí)別[J];電子與信息學(xué)報(bào);2008年10期

4 樊紹巍;劉伊威;金明河;蘭天;陳兆們;劉宏;趙大威;;HIT/DLR HandⅡ類人形五指靈巧手機(jī)構(gòu)的研究[J];哈爾濱工程大學(xué)學(xué)報(bào);2009年02期

5 尤波;周麗娜;黃玲;;應(yīng)用于假手的肌電信號(hào)分類方法研究[J];哈爾濱理工大學(xué)學(xué)報(bào);2011年03期

6 王飛,羅志增;基于功率譜的表面EMG信號(hào)運(yùn)動(dòng)模式識(shí)別[J];杭州電子科技大學(xué)學(xué)報(bào);2005年02期

7 羅志增;加玉濤;;基于表面EMG功率譜和BP網(wǎng)絡(luò)的多運(yùn)動(dòng)模式識(shí)別[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年07期

8 羅志增;楊廣映;;基于觸覺(jué)和肌電信號(hào)的假手模糊控制方法研究[J];機(jī)器人;2006年02期

9 李封;趙薇;張秀秀;李琪;王宏;;基于BP網(wǎng)絡(luò)的肌電信號(hào)的特征提取及在機(jī)械手中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2006年12期

10 劉健;劉忠;熊鷹;;基于小波包能量譜和SVM的水下目標(biāo)識(shí)別[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2012年02期

相關(guān)博士學(xué)位論文 前1條

1 趙衍運(yùn);圖像對(duì)象特征提取與識(shí)別[D];北京郵電大學(xué);2009年

本文編號(hào)：2727939