運動康復(fù)醫(yī)學的最新研究成果表明,患者參與運動康復(fù)訓練中保持積極主動的狀態(tài)可有效的提高康復(fù)訓練效果。目前已頗具成果的機器人輔助康復(fù)訓練主要是依靠生物電和生物力學實現(xiàn)交互控制,但這兩種方法無法保障患者在訓練過程中較長時間保持積極主動的狀態(tài),基于以上研究現(xiàn)狀,本文開展了機器人輔助主動康復(fù)情緒生理響應(yīng)與識別方法研究,具體工作如下:（1）深入了解腦卒中成因及傳統(tǒng)康復(fù)訓練的不足,且無法實時獲悉患者在訓練過程中的情緒狀態(tài),同時針對目前國內(nèi)外機器人輔助康復(fù)進行了分析研究�；谝陨涎芯�,建立了基于康復(fù)訓練腦卒中患者的情緒模型。（2）機器人輔助主動康復(fù)情緒生理測量實驗設(shè)計。首先,以Barrett WAM機械臂為硬件基礎(chǔ),設(shè)計適合腦卒中患者的機器人輔助主動康復(fù)訓練的情緒生理實驗平臺;其次,基于康復(fù)訓練實驗平臺分別誘發(fā)“挫敗”、“興奮”、“厭煩”為目標情緒;最后,設(shè)計情緒生理調(diào)查問卷,選取正常人和腦卒中患者作為實驗對象,分別開展機器人輔助主動康復(fù)訓練的情緒生理測量實驗,并運用生理參數(shù)檢測傳感器采集不同情緒狀態(tài)下受試者心電、皮電、呼吸及面部肌電（皺眉肌及顴大�。┑壬眄憫�(yīng)參數(shù)。（3）機器人輔助主動康復(fù)情緒生理響... 

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
        1.1.1 課題背景
        1.1.2 課題意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 未來研究趨勢
    1.3 主要研究內(nèi)容與論文組織結(jié)構(gòu)
第二章 機器人輔助主動康復(fù)情緒生理測量實驗設(shè)計
    2.1 情緒的定義和分類
        2.1.1 情緒的定義
        2.1.2 情緒的分類
    2.2 情緒誘發(fā)實驗設(shè)計
        2.2.1 被試
        2.2.2 虛擬訓練場景
        2.2.3 實驗流程
    2.3 情緒生理測量實驗設(shè)計
        2.3.1 實驗平臺
        2.3.2 情緒生理信號
        2.3.3 實驗任務(wù)
    2.4 本章小結(jié)
第三章 機器人輔助主動康復(fù)情緒生理響應(yīng)特征提取
    3.1 生理信號處理方案
        3.1.1 心電和脈搏信號
        3.1.2 呼吸信號
        3.1.3 皮膚電導(dǎo)響應(yīng)信號
        3.1.4 肌電信號
    3.2 生理信號特征提取
        3.2.1 心電信號特征提取
        3.2.2 脈搏信號特征提取
        3.2.3 呼吸信號特征提取
        3.2.4 皮膚電導(dǎo)響應(yīng)特征提取
        3.2.5 肌電信號特征提取
    3.3 生理信號提取結(jié)果
    3.4 本章小結(jié)
第四章 機器人輔助主動康復(fù)情緒生理響應(yīng)實驗研究
    4.1 實驗顯著性差異性分析
        4.1.1 單因素重復(fù)測量實驗設(shè)計
        4.1.2 不同任務(wù)調(diào)查問卷與正常情況顯著性差異性分析
        4.1.3 不同任務(wù)調(diào)查問卷顯著性差異分析
        4.1.4 不同任務(wù)生理特征參數(shù)與正常情況顯著性差異分析
        4.1.5 不同任務(wù)生理特征參數(shù)顯著性差異分析
        4.1.6 不同任務(wù)表現(xiàn)數(shù)據(jù)顯著性差異分析
    4.2 實驗相關(guān)性分析
        4.2.1 Valence、Arousal、表現(xiàn)數(shù)據(jù)相關(guān)性分析
        4.2.2 Valence、Arousal與生理特征參數(shù)相關(guān)性分析
        4.2.3 與目標情緒相關(guān)的生理特征參數(shù)和表現(xiàn)數(shù)據(jù)整合結(jié)果
    4.3 不同被試組間差異性分析
    4.4 本章小結(jié)
第五章 機器人輔助主動康復(fù)情緒生理響應(yīng)識別
    5.1 自適應(yīng)模糊支持向量機
    5.2 多類情緒識別模型
    5.3 混淆矩陣
    5.4 識別結(jié)果
        5.4.1 生理響應(yīng)特征值識別結(jié)果與分析
        5.4.2 生理響應(yīng)與表現(xiàn)數(shù)據(jù)識別結(jié)果與分析
    5.5 識別結(jié)果
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 展望
參考文獻
附錄2 攻讀碩士學位期間撰寫的論文
附錄3 攻讀碩士學位期間申請的專利
附錄4 攻讀碩士學位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]面向衛(wèi)星云圖云分類的自適應(yīng)模糊支持向量機[J]. 田文哲,符冉迪,金煒,劉箴,尹曹謙.  武漢大學學報(信息科學版). 2017(04)
[2]人體肌電信號的生理層模型[J]. 尤波,劉意,趙汗青,楊文元.  計算機仿真. 2015(01)
[3]等動屈伸運動誘發(fā)下肢膝關(guān)節(jié)肌肉疲勞過程中表面肌電信號的特征分析[J]. 張肅,郭峰,王念輝.  吉林大學學報(醫(yī)學版). 2014(06)
[4]腦卒中發(fā)病與年齡、職業(yè)、時間、氣候等方面關(guān)系的統(tǒng)計分析[J]. 宋偉才,吳建鑫,李楊,鄭惠杰,劉紅波.  中國衛(wèi)生統(tǒng)計. 2014(04)
[5]情緒的基本結(jié)構(gòu):爭論、應(yīng)用及其前瞻[J]. 樂國安,董穎紅.  南開學報(哲學社會科學版). 2013(01)
[6]基于小波包的人機協(xié)作訓練生理心理特征提取與識別[J]. 高翔,徐國政,郭猷敏,梁志偉.  儀器儀表學報. 2012(12)
[7]極限學習機的快速留一交叉驗證算法[J]. 劉學藝,李平,郜傳厚.  上海交通大學學報. 2011(08)
[8]基于運動想象腦電的上肢康復(fù)機器人[J]. 徐寶國,彭思,宋愛國.  機器人. 2011(03)
[9]腦卒中危險因素分析[J]. 張雯雯,李寧華.  中國慢性病預(yù)防與控制. 2011(02)
[10]一種自適應(yīng)的QRS復(fù)合波檢測方法[J]. 汪傳忠,聶橋橋,莫靈珊.  南昌航空大學學報(自然科學版). 2011(01)

博士論文
[1]基于龐加萊散點圖和遞歸圖的心率變異性研究[D]. 霍鋮宇.南京大學 2014

碩士論文
[1]機器人輔助運動康復(fù)情緒生理響應(yīng)實驗研究[D]. 陳敏.南京郵電大學 2016
[2]基于COP的人體平衡能力交互訓練游戲設(shè)計[D]. 張婷.河北大學 2015
[3]基于張量的心電特征提取及模式分類方法研究[D]. 程炳飛.上海交通大學 2014



本文編號：3663856