在表面肌電信號(hào)（Surface Electromyography,s EMG）模式識(shí)別領(lǐng)域中,目前研究大部分聚焦在不同肢體的靜態(tài)模式定性識(shí)別,主要是針對(duì)肢體特定的任務(wù)動(dòng)作。但是在實(shí)際應(yīng)用過程中,除了需要知道肢體的動(dòng)作外,還需要了解負(fù)載強(qiáng)度的變化以及關(guān)節(jié)角度運(yùn)動(dòng)位置信息,傳統(tǒng)的靜態(tài)定性模式識(shí)別無法調(diào)整運(yùn)動(dòng)幅度以及負(fù)載強(qiáng)度,從而無法對(duì)關(guān)節(jié)角度進(jìn)行精準(zhǔn)預(yù)測(cè)。因此研究不同負(fù)載強(qiáng)度下的手腕角度連續(xù)預(yù)測(cè)具有重要的意義。針對(duì)以上問題,本文以手腕角度為研究對(duì)象,利用表面肌電信號(hào)與關(guān)節(jié)角度信號(hào)之間的相關(guān)性,以肌電特征以及神經(jīng)網(wǎng)絡(luò)為研究基礎(chǔ),開展手腕角度定量連續(xù)識(shí)別和不同負(fù)載下手腕角度預(yù)測(cè)研究,本文主要研究工作如下:（1）基于信噪比系數(shù)評(píng)價(jià)模型的表面肌電信號(hào)預(yù)處理。通過對(duì)表面肌電信號(hào)的特性進(jìn)行分析,確定手腕角度表面肌電信號(hào)中可能混入的噪聲,采用數(shù)字信號(hào)濾波算法,設(shè)計(jì)了comb notch（梳狀）濾波器對(duì)工頻噪聲進(jìn)行濾波處理。建立了信噪比系數(shù)評(píng)價(jià)模型,利用小波濾波算法對(duì)整個(gè)信號(hào)段數(shù)據(jù)進(jìn)行信號(hào)降噪,實(shí)現(xiàn)了表面肌電信號(hào)的優(yōu)化處理。（2）基于特征相關(guān)性的時(shí)頻域特征組合。通過對(duì)時(shí)域以及頻域特征進(jìn)行逐步過濾處理,構(gòu)建... 

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 課題相關(guān)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 表面肌電信號(hào)特征提取研究現(xiàn)狀
        1.2.2 表面肌電信號(hào)模式識(shí)別研究現(xiàn)狀
        1.2.3 表面肌電信號(hào)關(guān)節(jié)角度研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
第2章 不同負(fù)載下肌電信號(hào)的采集和預(yù)處理
    2.1 不同負(fù)載下手腕肌電信號(hào)采集系統(tǒng)的構(gòu)建
        2.1.1 表面肌電信號(hào)的特性分析
        2.1.2 表面肌電信號(hào)的采集系統(tǒng)
        2.1.3 手腕角度采集方法
        2.1.4 手腕表面肌電信號(hào)采集方案設(shè)計(jì)
    2.2 不同負(fù)載下表面肌電信號(hào)預(yù)處理
        2.2.1 梳狀濾波器的設(shè)計(jì)
        2.2.2 自適應(yīng)小波降噪
    2.3 本章小結(jié)
第3章 手腕表面肌電信號(hào)特征提取與組合
    3.1 各種工況下的表面肌電信號(hào)
    3.2 手腕表面肌電信號(hào)的特征提取
        3.2.1 時(shí)域分析
        3.2.2 頻域分析
    3.3 手腕表面肌電信號(hào)的特征組合方式
    3.4 表面肌電信號(hào)特征降維
    3.5 特征歸一化處理
    3.6 本章小結(jié)
第4章 不同負(fù)載下手腕角度的連續(xù)預(yù)測(cè)
    4.1 基于GRNN的手腕角度預(yù)測(cè)
        4.1.1 廣義回歸神經(jīng)網(wǎng)絡(luò)原理
        4.1.2 廣義回歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
    4.2 基于GA-ELM的手腕角度預(yù)測(cè)
        4.2.1 極限學(xué)習(xí)機(jī)原理
        4.2.2 極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.2.3 遺傳算法優(yōu)化極限學(xué)習(xí)機(jī)
    4.3 手腕角度預(yù)測(cè)結(jié)果及分析
        4.3.1 不同負(fù)載下靜態(tài)手腕離散角度識(shí)別
        4.3.2 不同負(fù)載下手腕連續(xù)角度預(yù)測(cè)
        4.3.3 不同周期下手腕連續(xù)角度預(yù)測(cè)
    4.4 本章小結(jié)
第5章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間的成果
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]基于兩種改進(jìn)閾值函數(shù)的表面肌電信號(hào)降噪研究[J]. 馬東,楊錚,王立玲.  現(xiàn)代電子技術(shù). 2020(01)
[2]人體表面肌電信號(hào)的時(shí)頻域特征提取研究[J]. 任麗曄,邵宗明,徐冬蕾.  長(zhǎng)春大學(xué)學(xué)報(bào). 2019(10)
[3]基于小波變換的肌肉疲勞表面肌電信號(hào)特征提取的研究[J]. 宋方禹,劉燁輝,朱立華,朱峻嶺,亓勤德,朱江.  生物醫(yī)學(xué)工程研究. 2019(01)
[4]肌電信號(hào)選擇對(duì)下肢關(guān)節(jié)連續(xù)運(yùn)動(dòng)估計(jì)的影響[J]. 李文鋒,余志剛,胡心韻.  機(jī)械設(shè)計(jì)與制造. 2019(03)
[5]基于下肢表面肌電信號(hào)的動(dòng)作模式識(shí)別研究[J]. 范光輝,葛科鐸,王璐,謝能剛.  齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[6]采用優(yōu)化神經(jīng)網(wǎng)絡(luò)的下肢肌電信號(hào)的識(shí)別[J]. 王光旭,崔建松,張慶光,張培培.  廈門理工學(xué)院學(xué)報(bào). 2018(01)
[7]基于SOA-ELM的手部動(dòng)作識(shí)別方法實(shí)驗(yàn)研究[J]. 孟瑞,岑豫皖,王璐,葛科鐸,朱興江.  安徽工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]肘關(guān)節(jié)屈運(yùn)動(dòng)相關(guān)肌肉表面肌電信號(hào)研究[J]. 何小耀,韋宇煒,何漢武,王俊華,曾科學(xué).  工程技術(shù)研究. 2016(07)
[9]基于多源信息和廣義回歸神經(jīng)網(wǎng)絡(luò)的下肢運(yùn)動(dòng)模式識(shí)別[J]. 劉磊,楊鵬,劉作軍.  機(jī)器人. 2015(03)
[10]下肢康復(fù)機(jī)器人及其交互控制方法[J]. 胡進(jìn),侯增廣,陳翼雄,張峰,王衛(wèi)群.  自動(dòng)化學(xué)報(bào). 2014(11)

碩士論文
[1]基于遺傳算法優(yōu)化極限學(xué)習(xí)機(jī)的房地產(chǎn)稅基批量評(píng)估研究[D]. 侯晨.青島理工大學(xué) 2018
[2]應(yīng)用sEMG評(píng)估手功能支具在腦卒中腕手功能障礙的作用研究[D]. 王桂麗.福建中醫(yī)藥大學(xué) 2017
[3]極限學(xué)習(xí)機(jī)結(jié)構(gòu)優(yōu)化及其應(yīng)用研究[D]. 孫鑫.廣西大學(xué) 2014



本文編號(hào)：3654248