本文關(guān)鍵詞：肌電信號多類特征分析及在步態(tài)識別中的應用，由筆耕文化傳播整理發(fā)布。

【摘要】：人體行走時,運動神經(jīng)元釋放電脈沖,引起肌肉產(chǎn)生動作電位。該動作電位沿肌纖維傳播,并經(jīng)過時間和空間上的疊加,形成肌電信號(EMG)。肌電信號包含大量與人體運動狀態(tài)有關(guān)的生理信息,體現(xiàn)運動模式的組合及分解關(guān)系,預示肢體運動意圖,在臨床醫(yī)學診斷、人體運動模式識別以及新型人機接口設(shè)計等領(lǐng)域得到廣泛應用。不同運動模式間的差異可通過肌電信號特征的不同來體現(xiàn),基于該特征可以對人體運動狀態(tài)進行識別研究。本文結(jié)合人體運動實際,設(shè)計實驗采集下肢相關(guān)肌肉所產(chǎn)生的表面肌電信號,并以此為研究對象,對如何更加有效地提取肌電信號特征,以及如何更好地識別下肢運動步態(tài)進行深入討論和研究。首先,分析原始肌電信號中所含具體噪聲,在比較常見消噪方法特點的基礎(chǔ)上,采用小波模極大值算法對肌電信號進行預處理,使得消噪后信號既保留肌電信號本身特性,又增大了信噪比,波形曲線更加光滑,有利于后續(xù)特征提取和模式識別。其次,針對肌電信號自身非穩(wěn)定、混沌的特點,應用Katz算法提取其非線性分形維數(shù),對肌電信號整體復雜度進行深入研究,從更高維度分析信號特征,捕捉信號細節(jié)變化。同時,計算絕對值均值和方差兩大時域特征,并以此構(gòu)造特征向量集,用于后續(xù)步態(tài)識別。然后,針對分類器性能優(yōu)化問題,采用遺傳算法(GA)優(yōu)化支持向量機(SVM)懲罰參數(shù)和核函數(shù)參數(shù),構(gòu)造GA-SVM分類器,并結(jié)合下肢步態(tài)識別實際,設(shè)置參數(shù)初始值,進行下肢步態(tài)識別。實驗結(jié)果表明,優(yōu)化后SVM分類器識別率更高,且穩(wěn)定性和泛化能力更強。最后,針對多維肌電信號非線性特征分類問題中,定性分析方法效果差,易受邊界值和交叉點干擾的缺陷,采用改進K均值算法進行定量分析。改進K均值算法基于樣本分布密度和散度,對初始聚類中心的選擇進行優(yōu)化,排除孤立噪聲點的干擾。實驗結(jié)果表明,改進K均值算法分類正確率高,收斂速度快,具有良好應用效果。本文系統(tǒng)地研究了基于肌電信號的下肢步態(tài)識別問題,并對解決該問題的各環(huán)節(jié)進行深入探討分析。采用小波模極大值方法,對原始肌電信號所含噪聲進行有效去除,既保留信號本身特性,又增大了信噪比;提取絕對值均值和方差兩大時域特征,并計算非線性分形維數(shù),深層次地認識了肌電信號特性;構(gòu)造GA-SVM分類器,提升了SVM的應用效果;采用改進K均值算法對肌電信號非線性分形維線性特征進行聚類分析,取得了理想效果,并且加快了收斂速度。上述工作對于肌電信號在臨床診斷、醫(yī)學評價以及智能康復設(shè)備等領(lǐng)域的應用具有重要價值。
【關(guān)鍵詞】：步態(tài)識別 肌電信號 分形維數(shù) 遺傳算法 支持向量機 K均值聚類
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R318;TN911.7
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 緒論11-20
• 1.1 課題背景與研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢12-18
• 1.2.1 下肢步態(tài)研究12-13
• 1.2.2 肌電信號研究13-18
• 1.3 存在的問題分析18
• 1.4 本課題研究內(nèi)容18-20
• 第2章 下肢運動與肌電信號20-34
• 2.1 下肢及步態(tài)20-26
• 2.1.1 下肢生理結(jié)構(gòu)20-21
• 2.1.2 下肢運動特點21
• 2.1.3 人體運動步態(tài)21-23
• 2.1.4 步態(tài)模式細分23-25
• 2.1.5 步態(tài)分析方法25-26
• 2.2 表面肌電信號26-32
• 2.2.1 肌電信號的產(chǎn)生26-27
• 2.2.2 肌電信號的獲取27-30
• 2.2.3 原始肌電信號數(shù)據(jù)分析30-32
• 2.3 基于肌電信號的步態(tài)識別32-33
• 2.4 本章小結(jié)33-34
• 第3章 肌電信號預處理及特征提取34-48
• 3.1 肌電信號預處理34-38
• 3.1.1 噪聲分類34
• 3.1.2 信號去噪34-35
• 3.1.3 小波模極大值消噪法35-38
• 3.2 肌電信號特征提取38-47
• 3.2.1 特征提取方法及特點38-40
• 3.2.2 線性時域特征分析40-43
• 3.2.3 非線性分形維數(shù)特征分析43-47
• 3.3 本章小結(jié)47-48
• 第4章 基于SVM的肌電信號識別與優(yōu)化48-61
• 4.1 步態(tài)識別48
• 4.2 模式識別算法48-49
• 4.3 基于SVM的步態(tài)識別49-52
• 4.3.1 識別原理49
• 4.3.2 算法設(shè)計49-51
• 4.3.3 SVM步態(tài)識別51-52
• 4.4 SVM優(yōu)化算法52-53
• 4.5 基于GA優(yōu)化SVM的步態(tài)識別53-60
• 4.5.1 GA優(yōu)化算法53-55
• 4.5.2 GA優(yōu)化SVM分類器算法設(shè)計55-56
• 4.5.3 GA優(yōu)化性能分析56-60
• 4.6 本章小結(jié)60-61
• 第5章 基于K均值算法的肌電信號分類與識別61-70
• 5.1 EMG信號非線性特征61
• 5.2 聚類分析方法研究61-63
• 5.2.1 聚類方法61
• 5.2.2 K均值算法61-62
• 5.2.3 改進K均值算法62-63
• 5.3 改進K均值算法的下肢步態(tài)分類63-68
• 5.3.1 分類算法設(shè)計63-65
• 5.3.2 分類結(jié)果與討論65-68
• 5.4 本章小結(jié)68-70
• 第6章 總結(jié)及展望70-72
• 6.1 研究總結(jié)70-71
• 6.2 研究展望71-72
• 致謝72-73
• 參考文獻73-78
• 附錄 攻讀學位期間參加的科研項目和成果78

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張元元;姜樹明;魏志強;張建峰;許世杰;;基于步態(tài)的身份識別研究綜述[J];山東科學;2012年03期

2 王云;趙秀萍;宋軍;;運用常用軟件對模糊監(jiān)控錄像中步態(tài)周期的研究[J];科技信息;2014年03期

3 王運成;;基于動態(tài)二維圖像序列的三維步態(tài)識別方法[J];科技通報;2013年10期

4 陳心浩;黃正華;高智勇;朱小祥;;基于特征融合的步態(tài)識別研究[J];中南民族大學學報(自然科學版);2010年01期

5 王立;;步態(tài)識別及其在智能視頻監(jiān)控中的應用[J];淮北煤炭師范學院學報(自然科學版);2010年03期

6 李瀚霖;許林娜;王嘉楠;;步態(tài)識別在煤礦井下人員特征提取中的應用[J];科技致富向?qū)?2011年24期

7 陳璇;吳清江;路遠;;角度與動態(tài)時間歸一化的步態(tài)識別[J];華僑大學學報(自然科學版);2010年01期

8 林敏;鄭繼紹;;靜態(tài)特征和動態(tài)特征融合的步態(tài)識別[J];貴州大學學報(自然科學版);2010年03期

9 程瓊;付波;;基于Hilbert-Huang描述子的步態(tài)識別方法[J];武漢大學學報(理學版);2008年01期

10 鄒晶晶;;基于不變矩和SVM的步態(tài)識別[J];山西科技;2008年05期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 鄧玉春;劉世平;;自動步態(tài)識別方法研究綜述[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學術(shù)會議論文集（上冊）[C];2007年

2 何衛(wèi)華;李平;文玉梅;葉波;袁海軍;;運用下肢關(guān)節(jié)角度信息進行步態(tài)識別[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

3 肖軍;蘇潔;鄭波;賈鵬宇;;智能仿生腿在不同路況下的步態(tài)識別系統(tǒng)研究[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

4 張聰;明東;萬柏坤;;基于小波描述子和人體骨架模型的多視角融合步態(tài)識別[A];天津市生物醫(yī)學工程學會第29屆學術(shù)年會暨首屆生物醫(yī)學工程前沿科學研討會論文集[C];2009年

5 朱京紅;方帥;高明;方杰;;基于人工免疫模型的步態(tài)識別方法[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

6 葉波;文玉梅;李平;;基于核主元分析和支持向量機的步態(tài)識別算法[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

7 王科俊;閻濤;呂卓紋;;基于耦合度量學習的特征級融合方法及在步態(tài)識別中的應用[A];2013年中國智能自動化學術(shù)會議論文集（第三分冊）[C];2013年

8 王科俊;賁f[燁;;基于線性插值的特征模板構(gòu)造的步態(tài)識別算法框架[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 編譯 劉東征;新型“步態(tài)密碼”給手機加把鎖[N];北京科技報;2005年

2 若水;分析步態(tài)識別身份[N];光明日報;2003年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 劉磊;基于多源信息的步態(tài)識別算法研究[D];河北工業(yè)大學;2015年

2 余杰;基于視頻的人體目標跟蹤與識別技術(shù)研究[D];電子科技大學;2016年

3 賁f[燁;基于人體運動分析的步態(tài)識別算法研究[D];哈爾濱工程大學;2010年

4 曾瑋;基于確定學習理論的人體步態(tài)識別研究[D];華南理工大學;2012年

5 張元元;基于序列統(tǒng)計特性的步態(tài)識別算法研究[D];山東大學;2010年

6 趙國英;基于視頻的步態(tài)識別[D];中國科學院研究生院（計算技術(shù)研究所）;2005年

7 薛召軍;基于小波變換和支持向量機相結(jié)合的步態(tài)識別新方法研究[D];天津大學;2007年

8 胡榮;人體步態(tài)識別研究[D];華中科技大學;2010年

9 顧磊;基于圖像序列的人體步態(tài)識別方法研究[D];南京理工大學;2008年

10 劉海濤;基于立體視覺的步態(tài)識別研究[D];中國科學技術(shù)大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 楊楠;基于視觸覺多特征融合的步態(tài)識別方法研究[D];河北工業(yè)大學;2015年

2 周浩理;復雜背景下多特征融合的人體步態(tài)識別研究[D];海南大學;2016年

3 李雪燕;視頻監(jiān)控中人體步態(tài)識別方法研究[D];長春工業(yè)大學;2016年

4 潘秀芳;基于手機的步態(tài)識別研究[D];燕山大學;2016年

5 羅璨;存在干擾因素情況下的步態(tài)識別統(tǒng)動力學初步探索[D];蘇州大學;2016年

6 張鵬;耦合度量學習理論及其在步態(tài)識別中的應用研究[D];山東大學;2016年

7 沈小康;基于Kinect的人體步態(tài)跟蹤與識別技術(shù)[D];山東大學;2016年

8 周潔;基于姿態(tài)與壓力信息的步態(tài)識別方法[D];西南交通大學;2016年

9 陳慶峰;基于確定學習理論的步態(tài)分析及在神經(jīng)退行性疾病分類中的應用[D];華南理工大學;2016年

10 陳玲;基于視頻流的步態(tài)識別系統(tǒng)研究與實現(xiàn)[D];暨南大學;2016年

  本文關(guān)鍵詞：肌電信號多類特征分析及在步態(tài)識別中的應用，，由筆耕文化傳播整理發(fā)布。

本文編號：294143