【摘要】：我國現(xiàn)有肢體運動障礙患者2400多萬人,這些患者的肢體運動障礙主要由于腦卒中、腦癱和脊髓損傷等。其中,由腦卒中導致的肢體運動功能患者約500萬人,并預計在2050年會達到1500萬人。對于偏癱病人的肢體運動功能重建一直是一個醫(yī)學熱點問題。針對目前幫助偏癱病人進行運動功能康復重建的功能性電刺激設備存在著動作功能單一、動作轉(zhuǎn)換不靈活和人機交互性不強的特點,本課題開展基于肌電信號處理的肢體動作模式識別研究,特點是根據(jù)患者的肌電信號識別其動作意圖,提供動作控制指令給功能電刺激裝置。本課題主要完成了對肢體動作模式識別算法的研究設計,實現(xiàn)了多通道肌電信號肢體動作模式識別的軟硬件系統(tǒng)。最終,本課題的模式識別系統(tǒng)能夠?qū)ν笄�、腕伸、指伸和抓握這四種動作進行正確的識別,并給出發(fā)力軌跡的波形。首先,課題對肌電信號的生理學基礎進行了調(diào)研,探究了肌電信號在應用中的采集和處理方式,并根據(jù)肌電信號的特性設計了肌電信號模式識別系統(tǒng)的整體架構(gòu),分析了各個構(gòu)成模塊的需求。其次,課題對肌電信號的模式識別算法進行了研究分析,提出了一種自適應集成神經(jīng)網(wǎng)絡算法,探究了不同特征值與特征約簡對肌電信號模式識別的影響,并對算法進行了驗證。最后,課題對肌電信號模式識別系統(tǒng)進行了硬件電路和軟件系統(tǒng)的設計實現(xiàn),包括多通道采集系統(tǒng)和Android識別系統(tǒng),系統(tǒng)可以識別用戶動作,給出結(jié)果并顯示發(fā)力波形。本課題設計的肢體動作模式識別系統(tǒng)具有很強的擴展性,可以根據(jù)不同情境設計成穿戴式設備,并可接入電刺激治療裝置或者無線控制假肢等,具有重要的工程價值和社會價值。
【圖文】：

圖 1.1 連續(xù)互補的 256ms 寬度 32ms 遞進的窗體10 年，Yang Wang 等人提出了一種基于最小誤差估計的貝葉斯決策規(guī)則的肌電信號模式出采用功率譜比值作為肌電信號模式識別的特征值，對人體下肢進行模式識別，，最終對休跑三種下肢的狀態(tài)達到了 78%的識別率[7]。uoYina 等人在 2012 年的論文中提出了一種盲識別模型進行肌電信號模式識別，提出在多模式識別的情況下，可以提取單通道獨立成分作為新的各個通道的數(shù)據(jù)。他們在之后的實通道電極采集的肌電信號的方均根構(gòu)成特征向量，并使用人工神經(jīng)網(wǎng)絡作為模式識別的狀態(tài)下對抓握，中指彎曲和腕屈動作進行訓練和識別并獲得了 99%的動作識別率[8]。13 年，AJ Young 等人提出采用平行分類器來提高模式識別分類的準確性。他們設計了一理論的平行動作分類器設計，在驗證實驗中先采用 6 對電極在實驗者前臂采集肌電信號取連續(xù)互補的 250ms 寬 50ms 步進的窗體進行特征提取，提取特征為平均絕對值、過零點和斜率變化次數(shù)，證明相對于單一的分類器，組合分類器能夠降低分類錯誤率，提高分類能夠增加系統(tǒng)的魯棒性[9]。2014 年，DingGuoZhang 等人研究了手臂狀態(tài)對于前臂肢體動影響后指出，訓練和識別如果處于不同的手臂狀態(tài)，將會嚴重干擾動作的識別率。他們提采集不同手臂狀態(tài)下的同一個動作的肌電信號組合成為新的特征數(shù)據(jù)來提高分類器對訓

于肌電信號可以反映出肌肉在動作過程中的發(fā)力情況的區(qū)分�？梢詸z測手術(shù)過程中注射的麻醉藥物是否有過多的病的檢測和區(qū)分方面，在肌電信號也被經(jīng)常應用在肌uction study, NCS)。在對人體進行神經(jīng)壓迫損傷診斷健過程中，也可以使用針狀電極采集肌電信號進行原理骨骼結(jié)構(gòu)和肌肉伸縮。肌肉能夠?qū)⒒瘜W能轉(zhuǎn)化成為運生于骨骼肌的收縮和伸展，能夠反映出肌肉在不同的受控于自脊髓前角發(fā)出的運動神經(jīng)單元。運動神經(jīng)單終板區(qū)與多條肌纖維耦合。這樣的一個神經(jīng)元耦合多
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R496;TN911.7

【參考文獻】

相關(guān)期刊論文 前4條

1 陳楊林;劉業(yè);;AR(p)模型參數(shù)估計方法比較和實證分析[J];南昌大學學報(理科版);2014年02期

2 白雪飛;李茹;;神經(jīng)網(wǎng)絡集成的多表情人臉識別方法[J];計算機工程與應用;2010年04期

3 崔建新;洪文學;高海波;王金甲;;基于樣本類可分性分析的特征選擇研究[J];燕山大學學報;2008年06期

4 周志華,陳世福;神經(jīng)網(wǎng)絡集成[J];計算機學報;2002年01期

本文編號：2605655