目前,我國(guó)由于疾病、意外事故及老齡化造成人體上肢功能障礙者已超1億人,利用上肢康復(fù)機(jī)器人輔助上肢康復(fù)訓(xùn)練問題日益得到廣泛關(guān)注。為增加患者在康復(fù)訓(xùn)練階段主動(dòng)參與度,基于sEMG信號(hào)的動(dòng)作識(shí)別成為康復(fù)機(jī)器人輔助上肢康復(fù)訓(xùn)練的研究焦點(diǎn)。然而,目前基于sEMG的上肢動(dòng)作識(shí)別的研究存在識(shí)別動(dòng)作簡(jiǎn)單（單關(guān)節(jié)動(dòng)作）、動(dòng)作識(shí)別種類少（4-8種）、沒有在線驗(yàn)證等問題。為解決以上問題,本論文通過對(duì)8通道sEMG數(shù)據(jù)的采集、預(yù)處理、特征提取與融合、識(shí)別分類等過程,實(shí)現(xiàn)14種多關(guān)節(jié)復(fù)雜上肢動(dòng)作的離線識(shí)別,并將其算法用于M2上肢康復(fù)訓(xùn)練平臺(tái)實(shí)現(xiàn)在線驗(yàn)證。本文主要研究工作如下:（1）sEMG數(shù)據(jù)采集。依據(jù)人體上肢關(guān)節(jié)主要?jiǎng)幼骷皩?duì)應(yīng)肌群分析,確定14種動(dòng)作及8塊肌肉,設(shè)計(jì)sEMG采集方案以獲取高質(zhì)量數(shù)據(jù),并將采集結(jié)果按動(dòng)作類別分類儲(chǔ)存為csv格式。（2）s EMG數(shù)據(jù)預(yù)處理。在去噪方面,本論文提出復(fù)合小波去噪法,能同時(shí)有效去除sEMG中的高頻噪聲和基線漂移。通過分析小波去噪綜合評(píng)價(jià)指標(biāo)T用于sEMG中的不足,提出改進(jìn)后的綜合評(píng)價(jià)指標(biāo)P,實(shí)驗(yàn)驗(yàn)證了P指標(biāo)的有效性。將P指標(biāo)用于評(píng)價(jià)小波變換閾值、小波變換數(shù)字濾波閾值以及... 

【文章來(lái)源】：曲阜師范大學(xué)山東省

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 課題相關(guān)內(nèi)容研究現(xiàn)狀
        1.2.1 sEMG在上肢康復(fù)訓(xùn)練應(yīng)用中的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 動(dòng)作識(shí)別種類及肌電信號(hào)采集通道數(shù)研究現(xiàn)狀
        1.2.3 動(dòng)作模式識(shí)別方法研究現(xiàn)狀
        1.2.4 現(xiàn)存問題分析
    1.3 主要?jiǎng)?chuàng)新點(diǎn)、主要研究?jī)?nèi)容及章節(jié)安排
第2章 sEMG數(shù)據(jù)采集
    2.1 肌電信號(hào)的原理及特點(diǎn)
    2.2 采集動(dòng)作及對(duì)應(yīng)肌肉選擇
    2.3 sEMG的采集
        2.3.1 肌電信號(hào)采集系統(tǒng)
        2.3.2 sEMG采集注意事項(xiàng)
        2.3.3 肌電數(shù)據(jù)采集實(shí)驗(yàn)設(shè)計(jì)
    2.4 本章小結(jié)
第3章 sEMG數(shù)據(jù)預(yù)處理
    3.1 sEMG去噪分析
        3.1.1 sEMG的噪聲分析
        3.1.2 sEMG去噪理論
    3.2 傳統(tǒng)小波去噪法
        3.2.1 小波變換閾值去噪法
        3.2.2 小波變換數(shù)字濾波閾值去噪法
    3.3 去噪效果評(píng)價(jià)指標(biāo)P
    3.4 復(fù)合小波去噪法
        3.4.1 傳統(tǒng)小波去噪實(shí)驗(yàn)分析
        3.4.2 復(fù)合小波去噪法及實(shí)驗(yàn)分析
    3.5 sEMG的有效信號(hào)段提取
    3.6 本章小結(jié)
第4章 sEMG特征提取與分析
    4.1 時(shí)域特征的提取
        4.1.1 特征分析窗口
        4.1.2 時(shí)域特征
        4.1.3 實(shí)驗(yàn)結(jié)果與分析
    4.2 頻域特征的提取
        4.2.1 頻域特征
        4.2.2 實(shí)驗(yàn)結(jié)果與分析
    4.3 時(shí)頻域特征的提取
        4.3.1 時(shí)頻域特征
        4.3.2 實(shí)驗(yàn)結(jié)果與分析
    4.4 熵特征提取
        4.4.1 單窗口與多窗口分析
        4.4.2 熵特征
        4.4.3 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第5章 多特征融合與動(dòng)作識(shí)別分類
    5.1 基于Fisher的特征判別分析與融合
        5.1.1 Fisher特征判別分析
        5.1.2 判別結(jié)果分析與特征融合
    5.2 支持向量機(jī)分類器
        5.2.1 SVM分類原理
        5.2.2 SVM多分類方法
    5.3 SVM的參數(shù)優(yōu)化
        5.3.1 參數(shù)尋優(yōu)法
        5.3.2 GS-SVM分類
        5.3.3 PSO-SVM分類
    5.4 離線實(shí)驗(yàn)結(jié)果與分析
        5.4.1 參數(shù)尋優(yōu)實(shí)驗(yàn)分析
        5.4.2 多特征融合識(shí)別結(jié)果分析
    5.5 基于sEMG的動(dòng)作識(shí)別在上肢康復(fù)訓(xùn)練平臺(tái)的實(shí)驗(yàn)驗(yàn)證
        5.5.1 M2上肢康復(fù)訓(xùn)練平臺(tái)
        5.5.2 基于上肢康復(fù)平臺(tái)的實(shí)驗(yàn)方案與結(jié)果分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
在讀期間發(fā)表的學(xué)術(shù)論文及研究成果
致謝



本文編號(hào)：2971941