隨著市場對(duì)康復(fù)機(jī)器人的需求不斷高漲,助行下肢外骨骼機(jī)器人飛速發(fā)展。自然的交互方式是助行機(jī)器人需要研究的一個(gè)重要課題。傳統(tǒng)的腦機(jī)接口實(shí)驗(yàn)與實(shí)際的應(yīng)用情景之間存在著較大的鴻溝。一方面,很多腦電實(shí)驗(yàn)是在沒有額外刺激與電磁干擾的理想環(huán)境下完成的,而且還要求實(shí)驗(yàn)對(duì)象盡量減少肢體運(yùn)動(dòng),這與設(shè)備穿戴環(huán)境大相徑庭。另一方面,雖然也有許多應(yīng)用到實(shí)際情景中的腦機(jī)接口。然而,這些應(yīng)用往往只區(qū)分少數(shù)幾個(gè)經(jīng)典的動(dòng)作模式,而且實(shí)驗(yàn)對(duì)象產(chǎn)生指令的行為與指令的含義并不對(duì)應(yīng),例如想象雙手抓握代表后退運(yùn)動(dòng)。而本文將嘗試使用動(dòng)態(tài)生物信號(hào)(EEG、EMG)自然地識(shí)別出外骨骼機(jī)器人穿戴者運(yùn)動(dòng)意圖。主要研究內(nèi)容如下:首先,本文研究了受試者穿戴外骨骼進(jìn)行不同動(dòng)作時(shí)腦電和肌電的采集方法,探索了不同的動(dòng)作設(shè)計(jì)和信號(hào)采集方案,最終形成復(fù)雜環(huán)境中動(dòng)態(tài)EEG、EMG的有效采集方法。數(shù)據(jù)采集實(shí)驗(yàn)共招募了7名20-27歲成年健康男性受試者,進(jìn)行了70組,實(shí)驗(yàn)動(dòng)作包括起立、坐下、行走邁左腳、行走邁右腳等,產(chǎn)生樣本共計(jì)約7200個(gè)。整個(gè)實(shí)驗(yàn)歷時(shí)一年有余,為后文的運(yùn)動(dòng)意圖研究提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。其次,本文研究了運(yùn)動(dòng)意圖識(shí)別的特征提取與二分類問題。二分類的研究可以分析不同動(dòng)作時(shí)受試者腦電和肌電的模式,并為下文在線運(yùn)動(dòng)意圖識(shí)別方法提供支持。本文設(shè)計(jì)算法基于IMU完成動(dòng)作標(biāo)定與事件分割,將10種事件兩兩配對(duì),對(duì)共計(jì)45對(duì)事件對(duì)進(jìn)行二分類。我們嘗試了多種特征提取方法和分類方法,其中包括PCA、ICA、CSP、LDA、SVM、感知機(jī)、對(duì)數(shù)幾率回歸等,文中著重對(duì)比了基于CSP或ICA和基于LDA或SVM的方法,CSP與LDA方法模型簡單適用于意圖識(shí)別任務(wù),平均的平衡準(zhǔn)確率為82.87%。最后,本文提出了在線運(yùn)動(dòng)意圖識(shí)別框架與方法,重點(diǎn)研究了多分類器和二分類器在此在線框架下的作用與效果�？紤]到EEG、EMG在意圖識(shí)別中各自的特點(diǎn)以及它們之間的時(shí)序關(guān)系,本文先基于EEG信號(hào)完成對(duì)狀態(tài)的多分類,再基于EMG信號(hào)完成子動(dòng)作的精確二分類,其中意圖識(shí)別的多分類采用神經(jīng)網(wǎng)絡(luò)或二分類集成完成,二分類基于神經(jīng)網(wǎng)絡(luò)或CSP線性模型完成。經(jīng)過驗(yàn)證,該方法可以較好地完成在線運(yùn)動(dòng)意圖識(shí)別任務(wù),這證明了穿戴者自然運(yùn)動(dòng)的腦電肌電模式是可以完成各運(yùn)動(dòng)的區(qū)分的,也表明了EEG-EMG接口在穿戴機(jī)器人中的應(yīng)用前景。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP242
【部分圖文】：

人體運(yùn)動(dòng)回路[33]

圖 1-2 運(yùn)動(dòng)意識(shí)和意圖的解剖學(xué)功能框架[38]運(yùn)動(dòng)意圖從大腦皮層的中央前回和運(yùn)動(dòng)前區(qū)產(chǎn)生，這里的皮質(zhì)脊髓束的上運(yùn)動(dòng)神經(jīng)元（UMN）——錐體細(xì)胞或 Betz 細(xì)胞——軸突深入放射冠。繼而通過內(nèi)囊下降到中腦和延髓。皮質(zhì)脊髓束纖維終止于同側(cè)的脊髓前角細(xì)胞。從這里起就是皮

運(yùn)動(dòng)前區(qū)和頂葉區(qū)產(chǎn)生運(yùn)動(dòng)意圖
【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 佟麗娜;侯增廣;彭亮;王衛(wèi)群;陳翼雄;譚民;;基于多路sEMG時(shí)序分析的人體運(yùn)動(dòng)模式識(shí)別方法[J];自動(dòng)化學(xué)報(bào);2014年05期

本文編號(hào)：2861181