本文關(guān)鍵詞：康復(fù)運(yùn)動(dòng)中表面肌電信號(hào)分析方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著神經(jīng)康復(fù)領(lǐng)域的發(fā)展,生物電信號(hào)分析及生物反饋技術(shù)被引入到康復(fù)運(yùn)動(dòng)中。由于表面肌電信號(hào)(surface Electromyographic,s EMG)能夠反映人體運(yùn)動(dòng)意圖及直接體現(xiàn)肌肉疲勞程度,且具有無(wú)創(chuàng)測(cè)量、獲取方便、擾動(dòng)噪聲相對(duì)較小等優(yōu)點(diǎn),已被廣泛應(yīng)用。其中,肌電特征的有效獲取是分析肌電信號(hào)的核心內(nèi)容。本文運(yùn)用集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)、信息熵和肌間一致性分析方法對(duì)s EMG特征提取方法進(jìn)行研究,并且在運(yùn)動(dòng)意圖識(shí)別和疲勞估計(jì)中進(jìn)行應(yīng)用研究。論文主要工作如下:首先,設(shè)計(jì)表面肌電信號(hào)采集系統(tǒng);并完成了實(shí)驗(yàn)數(shù)據(jù)的采集,根據(jù)s EMG的特點(diǎn)設(shè)計(jì)有效的預(yù)處理方法。其次,基于s EMG的產(chǎn)生機(jī)理及特點(diǎn),對(duì)肌電信號(hào)的基本分析方法做了闡述;通過(guò)對(duì)上肢不同彎曲角度下實(shí)測(cè)的表面肌電信號(hào)分析,比較它們的優(yōu)劣及性能。再次,提出EEMD能量熵特征提取方法來(lái)識(shí)別上肢不同屈伸角度;得出EEMD能量熵敏感性高于其它一些指標(biāo),且均方誤差較小;同時(shí)將EEMD能量熵、EMD能量熵等指標(biāo)送入支持向量機(jī)進(jìn)行模式分類,對(duì)比研究本文特征提取方法的有效性。最后,構(gòu)建基于EEMD的希爾伯特譜分析(EEMD-HHT)和肌間相干性模型,從不同層面分析肌電信號(hào)特征,并對(duì)運(yùn)動(dòng)過(guò)程中的肌肉疲勞特性進(jìn)行估計(jì)�；贓EMD-HHT方法提取單塊肌肉s EMG的平均瞬時(shí)頻率;引入相干分析并計(jì)算相干顯著面積指標(biāo)定量描述多塊肌肉間的耦合特性;在此基礎(chǔ)上,基于測(cè)試數(shù)據(jù)分析研究運(yùn)動(dòng)過(guò)程中s EMG平均瞬時(shí)頻率與肌間耦合性特征間的關(guān)聯(lián)規(guī)律,為肌肉疲勞分析提供一種綜合評(píng)估方法。
【關(guān)鍵詞】：表面肌電信號(hào) 特征提取 EEMD能量熵 EEMD-HHT 肌間相干性
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R743.3;TN911.6
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-19
• 1.1 課題研究背景及意義10-11
• 1.2 康復(fù)運(yùn)動(dòng)中肌電信號(hào)分析的研究現(xiàn)狀11-17
• 1.2.1 神經(jīng)康復(fù)中生物反饋技術(shù)及研究現(xiàn)狀11-14
• 1.2.2 基于表面肌電信號(hào)運(yùn)動(dòng)意圖識(shí)別的研究現(xiàn)狀14-15
• 1.2.3 基于表面肌電信號(hào)肌肉疲勞估計(jì)的研究現(xiàn)狀15-17
• 1.3 本文主要研究?jī)?nèi)容17-19
• 第2章 表面肌電信號(hào)的采集及預(yù)處理19-30
• 2.1 引言19
• 2.2 表面肌電信號(hào)采集系統(tǒng)19-21
• 2.3 實(shí)驗(yàn)數(shù)據(jù)的采集21-23
• 2.3.1 屈伸運(yùn)動(dòng)下下肌電信號(hào)采集21-22
• 2.3.2 上肢不同彎曲角度下肌電信號(hào)采集22-23
• 2.4 肌電信號(hào)預(yù)處理23-29
• 2.5 本章小結(jié)29-30
• 第3章 表面肌電信號(hào)的特點(diǎn)及基本分析方法30-43
• 3.1 引言30
• 3.2 肌電信號(hào)的產(chǎn)生機(jī)理及特點(diǎn)30-32
• 3.2.1 肌電信號(hào)的產(chǎn)生機(jī)理30-31
• 3.2.2 表面肌電信號(hào)的特點(diǎn)31-32
• 3.3 肌電信號(hào)的基本分析方法32-41
• 3.3.1 肌電信號(hào)的時(shí)域分析方法32-34
• 3.3.2 肌電信號(hào)的頻域分析方法34-36
• 3.3.3 肌電信號(hào)的時(shí)頻分析方法36-41
• 3.4 本章小結(jié)41-43
• 第4章 基于表面肌電信號(hào)的運(yùn)動(dòng)意圖識(shí)別43-56
• 4.1 引言43
• 4.2 基于EEMD能量熵的SEMG特征提取43-46
• 4.2.1 EEMD 分解44-45
• 4.2.2 能量熵的計(jì)算45-46
• 4.3 基于支持向量機(jī)的運(yùn)動(dòng)意圖識(shí)別46-49
• 4.3.1 支持向量機(jī)簡(jiǎn)介46-48
• 4.3.2 肌電信號(hào)運(yùn)動(dòng)意圖識(shí)別模型48-49
• 4.4 實(shí)驗(yàn)驗(yàn)證49-55
• 4.4.1 特征提取與分析49-53
• 4.4.2 基于SVM的特征分類53-55
• 4.5 本章小結(jié)55-56
• 第5章 康復(fù)運(yùn)動(dòng)中肌肉疲勞估計(jì)56-67
• 5.1 引言56
• 5.2 基于EEMD-HHT和相干性分析的SEMG特征提取56-60
• 5.2.1 基于EEMD-HHT的s EMG特征提取57-59
• 5.2.2 基于s EMG相干性分析的肌肉疲勞估計(jì)指標(biāo)59-60
• 5.3 數(shù)據(jù)分析及實(shí)驗(yàn)驗(yàn)證60-66
• 5.3.1 數(shù)據(jù)分析60
• 5.3.2 基于平均瞬時(shí)頻率的疲勞估計(jì)60-62
• 5.3.3 基于相干面積的疲勞估計(jì)62-64
• 5.3.4 運(yùn)動(dòng)疲勞綜合分析64-66
• 5.4 本章小結(jié)66-67
• 結(jié)論67-68
• 參考文獻(xiàn)68-73
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果73-74
• 致謝74-75
• 作者簡(jiǎn)介75

【引證文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 吳毅;徐麗麗;鄭慶平;張蕙;;從腦功能重組發(fā)生機(jī)制探討臨床康復(fù)訓(xùn)練的方法[A];中華醫(yī)學(xué)會(huì)第八次全國(guó)物理醫(yī)學(xué)與康復(fù)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2006年

  本文關(guān)鍵詞：康復(fù)運(yùn)動(dòng)中表面肌電信號(hào)分析方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：456560