【摘要】：隨著人機(jī)接口技術(shù)的迅速發(fā)展,人工智能、機(jī)器學(xué)習(xí)被廣泛應(yīng)用到了各民用生活領(lǐng)域,為了改善肢體殘疾人群的生活質(zhì)量,近年來(lái)智能假肢的應(yīng)用與控制已成為當(dāng)前研究的重點(diǎn)。利用肌電信號(hào)控制假肢,是目前熱門的一種人機(jī)接口技術(shù),肌電信號(hào)最能反映出人體做出動(dòng)作的生理變化,在假肢控制領(lǐng)域意義重大。肌電控制需要精確的信號(hào)采集、有效的特征提取、識(shí)別率高的分類算法來(lái)作為基礎(chǔ),還需保證系統(tǒng)的實(shí)時(shí)性以減少控制延遲。目前大多數(shù)的研究都是基于實(shí)驗(yàn)室環(huán)境的肌電信號(hào)模式識(shí)別,沒(méi)有在算法實(shí)時(shí)性做深入研究,且采集信號(hào)一般通過(guò)商業(yè)化的專用設(shè)備,不便于攜帶。本文將從以下幾個(gè)方面開(kāi)展工作:首先,針對(duì)目前已經(jīng)商業(yè)化的專業(yè)采集設(shè)備價(jià)格昂貴、不易于攜帶,以及目前國(guó)內(nèi)的肌電信號(hào)采集設(shè)備大多精度較低的問(wèn)題,設(shè)計(jì)了便攜式、可穿戴的肌電信號(hào)采集裝置,采用了專門用于采集生物電信號(hào)的ADS1299來(lái)保證肌電信號(hào)采集的精度。同時(shí)對(duì)于傳統(tǒng)的肌電采集設(shè)備通道數(shù)較少的問(wèn)題,本文設(shè)計(jì)支持4通道的信號(hào)采集,通過(guò)無(wú)線傳輸方式來(lái)上傳數(shù)據(jù)到上位機(jī)中。其次,針對(duì)于肌電信號(hào)中干擾噪聲較多的問(wèn)題,如工頻干擾、基線漂移等,通過(guò)50Hz陷波器、中值濾波、帶通濾波等濾波器設(shè)計(jì)將其濾除。針對(duì)于單一特征的動(dòng)作分類準(zhǔn)確率較低的問(wèn)題,本文對(duì)肌電信號(hào)的特征選擇進(jìn)行了詳細(xì)的測(cè)試,通過(guò)單時(shí)域、頻域特征與各特征組合的對(duì)比結(jié)果,最終確定了選擇平均絕對(duì)值、均方根、波形長(zhǎng)度三種時(shí)域特征組合作為分類器的輸入。利用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)對(duì)選定的特征值組合進(jìn)行動(dòng)作分類,準(zhǔn)確率分別達(dá)到了92.8%和83.3%,最終選擇利用BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)4通道肌電信號(hào)提取出的三時(shí)域特征組合進(jìn)行動(dòng)作分類,與單一特征分類相比準(zhǔn)確率提高了3.2%。最后,針對(duì)于目前沒(méi)有完整的配套采集設(shè)備的軟件訓(xùn)練平臺(tái),本文設(shè)計(jì)了基于硬件設(shè)備的動(dòng)作識(shí)別系統(tǒng),控制設(shè)備的通訊、采樣率、采集模式等相關(guān)參數(shù),可以準(zhǔn)確有效接收上傳數(shù)據(jù)以及繪制數(shù)據(jù)的實(shí)時(shí)波形,可對(duì)數(shù)據(jù)進(jìn)行特征提取、分類訓(xùn)練、存取特征與訓(xùn)練網(wǎng)絡(luò)等操作,集成了數(shù)據(jù)活動(dòng)段檢測(cè)、網(wǎng)絡(luò)訓(xùn)練參數(shù)顯示、串口通訊等功能,實(shí)現(xiàn)了對(duì)機(jī)械手的實(shí)時(shí)控制。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP241;TN911.23;R318
【圖文】：

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文第三章，肌電信號(hào)特征提取與模式識(shí)別，詳細(xì)介紹了肌電信號(hào)在采集中所包含的各種干擾，以及如何濾除的方法，對(duì)肌電信號(hào)進(jìn)行滑動(dòng)分窗，分析了表面肌電信號(hào)常用的幾類特征，例如時(shí)域、頻域、AR 參數(shù)模型等方法，通過(guò)對(duì)比輸入分類器中的結(jié)果來(lái)決定最終選取哪些特征作為輸入，對(duì)比了兩種分類器對(duì)于五種手勢(shì)動(dòng)作的分類效果，最終選定分類準(zhǔn)確率最高的 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行動(dòng)作模式的識(shí)別。第四章，動(dòng)作識(shí)別系統(tǒng)設(shè)計(jì)與肌電假肢實(shí)驗(yàn)，設(shè)計(jì)了基于本課題采集訓(xùn)練平臺(tái)的實(shí)時(shí)控制實(shí)驗(yàn)，詳細(xì)介紹了上位機(jī)基于 matalb gui 語(yǔ)言的軟件設(shè)計(jì)，基于 udp通訊協(xié)議的組網(wǎng)數(shù)據(jù)傳輸，訓(xùn)練者完成采集及分類訓(xùn)練后，軟件實(shí)時(shí)顯示出神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，以及模式識(shí)別的準(zhǔn)確率，當(dāng)離線訓(xùn)練完成后，利用已訓(xùn)練好的網(wǎng)絡(luò)，將實(shí)時(shí)采集的信號(hào)輸入其中進(jìn)行對(duì)比，進(jìn)行模式識(shí)別，將輸出的分類信號(hào)直接用于控制仿生機(jī)械手。

叫做運(yùn)動(dòng)單位（MU），可由該單位收縮興奮任意位置的肌肉進(jìn)行獨(dú)立運(yùn)動(dòng)，運(yùn)動(dòng)神經(jīng)元的構(gòu)成原理圖如圖2-1 所示。在肌肉纖維受到刺激而興奮收縮時(shí)，動(dòng)作電位在其中傳遞從而引發(fā)電流場(chǎng)，這時(shí)可以通過(guò)貼在肌肉表面上的電極來(lái)捕獲這些生理電位信號(hào)，這些生理電位信號(hào)也被稱為表面肌電信號(hào)。圖 2-1 運(yùn)動(dòng)神經(jīng)元結(jié)構(gòu)圖當(dāng)肌纖維沒(méi)有收到興奮，處于靜置狀態(tài)時(shí)，在肌細(xì)胞的兩側(cè)電位之差大概為1~100uV，即靜置電位，這種狀態(tài)也稱為極化。若肌纖維收到興奮傳導(dǎo)，此時(shí)靜置電位會(huì)迅速改變，這種電位叫做動(dòng)作電位(Action Potential，AP)。動(dòng)作電位的變化十分迅速，并且是一個(gè)非平穩(wěn)信號(hào)，電位一直在改變。一般情況下，動(dòng)作電位是由α運(yùn)動(dòng)神經(jīng)元產(chǎn)生的興奮，興奮沿著軸突傳導(dǎo)到運(yùn)動(dòng)終板，在肌纖維上產(chǎn)生刺激，這時(shí)肌纖維上的離子開(kāi)始運(yùn)動(dòng)，動(dòng)作電位便引發(fā)了電流場(chǎng)，電極就可以捕獲到運(yùn)動(dòng)電勢(shì)。單個(gè)運(yùn)動(dòng)電勢(shì)(Single FiberAction Potential，SFAP)檢測(cè)出的信號(hào)波形大小是由肌纖維和運(yùn)動(dòng)終板的相對(duì)位置決定的。運(yùn)動(dòng)神經(jīng)元?jiǎng)幼麟娢?MotorUnit Action PotentialTrain，MUAPT)是該α運(yùn)動(dòng)神經(jīng)元產(chǎn)生的所有運(yùn)動(dòng)電勢(shì)在時(shí)間和空間上的累加共同形成的

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 崔澤;宋偉任;韓汪洋;邱國(guó)文;王玉梅;;基于肌電信號(hào)的肢體剛度特性[J];系統(tǒng)仿真技術(shù);2017年02期

2 成思;薛君;周斌;;基于肌電信號(hào)(EMG)生物反饋儀的研究[J];科學(xué)中國(guó)人;2017年15期

3 蔡立羽,王志中;肌電信號(hào)分析方法的研究及進(jìn)展[J];中國(guó)醫(yī)療器械雜志;1999年04期

4 楊福生;;肌電信號(hào)的處理[J];國(guó)外醫(yī)學(xué)(生物醫(yī)學(xué)工程分冊(cè));1987年02期

5 華慕萍,胡天培,高忠華;前臂肌電信號(hào)的測(cè)試與分析[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);1988年04期

6 高云園;任磊磊;張迎春;佘青山;席旭剛;張啟忠;;基于相干性的多頻段腦肌電信號(hào)雙向耦合分析[J];傳感技術(shù)學(xué)報(bào);2017年10期

7 龍勝春;呼吸肌電信號(hào)時(shí)頻分析方法的研究[J];浙江工業(yè)大學(xué)學(xué)報(bào);2005年01期

8 郭凌菱，李耀宇，雷英杰;微機(jī)肌電信號(hào)檢測(cè)分析軟件的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;1995年04期

9 尤波;周麗娜;黃玲;;實(shí)時(shí)肌電信號(hào)采集系統(tǒng)設(shè)計(jì)與探究[J];黑龍江大學(xué)工程學(xué)報(bào);2011年01期

10 宋玲玲;奚日輝;吳小丹;;多重分形分析在肌電信號(hào)識(shí)別中的應(yīng)用[J];微計(jì)算機(jī)信息;2008年13期

相關(guān)會(huì)議論文 前10條

1 路國(guó)華;楊芳;;肌電信號(hào)中心電噪聲的自適應(yīng)濾波[A];第八屆全國(guó)信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

2 何樂(lè)生;胡耀航;王威廉;;基于精確起始時(shí)刻同步的肌電信號(hào)動(dòng)作識(shí)別方法[A];2010中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2010年

3 潘惠娟;;表面肌電的基本原理和研究進(jìn)展[A];第十七屆中國(guó)內(nèi)鏡醫(yī)師大會(huì)論文集[C];2007年

4 崔建國(guó);王旭;張大千;王少曼;張威;;基于磁場(chǎng)刺激與神經(jīng)網(wǎng)絡(luò)肌電信號(hào)的模式識(shí)別[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

5 吳浩浩;羅志增;;基于肌電信號(hào)信號(hào)輪廓DTW的手部動(dòng)作識(shí)別方法[A];第七屆全國(guó)康復(fù)醫(yī)學(xué)工程與康復(fù)工程學(xué)術(shù)研討會(huì)論文集[C];2010年

6 王耀兵;季林紅;黃靖遠(yuǎn);;康復(fù)訓(xùn)練過(guò)程中上肢運(yùn)動(dòng)肌電信號(hào)特征的對(duì)比分析[A];繼往開(kāi)來(lái) 與時(shí)俱進(jìn)——2003年康復(fù)醫(yī)學(xué)發(fā)展論壇暨慶祝中國(guó)康復(fù)醫(yī)學(xué)會(huì)成立20周年學(xué)術(shù)大會(huì)論文集[C];2003年

7 張小棟;;肌電信號(hào)的檢測(cè)與處理技術(shù)研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

8 馬麗;侯文生;鄭小林;彭承琳;許蓉;;握力水平與前臂肌肉sEMG信號(hào)復(fù)雜度的相關(guān)性研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

9 周萌;沈鈞賢;童秉綱;尹協(xié)振;;鯽魚(yú)肌電信號(hào)測(cè)量研究[A];慶祝中國(guó)力學(xué)學(xué)會(huì)成立50周年暨中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)’2007論文摘要集（下）[C];2007年

10 趙章琰;陳香;張旭;涂有強(qiáng);楊基海;;實(shí)時(shí)手勢(shì)動(dòng)作表面肌電信號(hào)識(shí)別研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 姜葦;子宮肌電信號(hào)的分析與子宮收縮機(jī)理的研究[D];天津大學(xué);2004年

2 楊志家;體表肌電信號(hào)中疲勞信息提取方法的研究[D];浙江大學(xué);1999年

3 任小梅;基于臨床診斷肌電信號(hào)的自動(dòng)分解算法及研究[D];上海交通大學(xué);2006年

4 顏志國(guó);基于粗糙集和支持向量機(jī)的表面肌電特征約簡(jiǎn)和分類研究[D];上海交通大學(xué);2008年

5 周宇軒;基于通信原理與肌電信號(hào)控制的上肢運(yùn)動(dòng)功能重建系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)研究[D];東南大學(xué);2016年

6 趙汗青;面向人工假肢的表面肌電信號(hào)人手抓取動(dòng)作研究[D];哈爾濱理工大學(xué);2016年

7 李陽(yáng);智能仿生手臂肌電信號(hào)—運(yùn)動(dòng)模型化與模式識(shí)別理論方法研究[D];吉林大學(xué);2012年

8 楊大鵬;仿人型假手多運(yùn)動(dòng)模式的肌電控制研究[D];哈爾濱工業(yè)大學(xué);2011年

9 吳劍鋒;基于肌電信號(hào)的人體下肢運(yùn)動(dòng)信息獲取技術(shù)研究[D];浙江大學(xué);2008年

10 陳歆普;基于肌電信號(hào)的多模式人機(jī)接口研究[D];上海交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 周颯;經(jīng)顱超聲調(diào)控下腦肌電信號(hào)耦合估計(jì)[D];燕山大學(xué);2019年

2 張華建;融合肌電信號(hào)的生物融合式助行外骨骼控制研究[D];燕山大學(xué);2019年

3 胡桂婷;康復(fù)運(yùn)動(dòng)中肌電信號(hào)協(xié)同及耦合特征分析方法研究[D];燕山大學(xué);2019年

4 張啟寧;基于肌電信號(hào)實(shí)現(xiàn)人體上肢運(yùn)動(dòng)和力連續(xù)估計(jì)的方法研究[D];華中科技大學(xué);2019年

5 吳昱恒;基于深度學(xué)習(xí)的肌電信號(hào)分類研究[D];長(zhǎng)春理工大學(xué);2019年

6 李屹萌;面向仿生機(jī)械手的表面肌電信號(hào)檢測(cè)與模式識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2019年

7 崔顥騫;基于上肢運(yùn)動(dòng)的腦—肌電信號(hào)融合分析研究[D];沈陽(yáng)工業(yè)大學(xué);2019年

8 任磊磊;頭皮腦電與上肢肌電耦合性研究[D];杭州電子科技大學(xué);2018年

9 余志剛;基于sEMG的人體下肢運(yùn)動(dòng)識(shí)別研究[D];武漢理工大學(xué);2017年

10 齊文靖;基于相干分析的上肢肌電信號(hào)耦合方法研究[D];燕山大學(xué);2018年

本文編號(hào)：2738483