近年來,隨著人口老齡化的加劇、殘疾人數量的增加、康復機器人領域的發(fā)展等逐漸成為社會各界關注的熱點。在人體下肢運動過程中,中樞神經系統(tǒng)控制多個肌肉-骨骼的協(xié)調,形成具有耦合性、低維度特性的控制單元模塊。通過對這些模塊間的相互作用以及相互影響進行分析,為康復醫(yī)療、人機交互等領域提供幫助。主要研究工作如下:（1）以日常行為活動中的蹲站與步態(tài)動作為基礎,采集不同動作下的表面肌電信號。根據原始信號的噪聲特點,選取經驗模態(tài)分解、集合經驗模態(tài)分解和局部均值分解3種消噪方法進行消噪處理,將分解的主要分量進行疊加來重構原始信號,最后對比消噪性能指標,選取最佳的方法。（2）針對sEMG信號的特征,對預處理后的信號提取其包絡線并采用非負矩陣分解算法對其進行分解。在站-蹲與蹲-站動作下,正常組的8塊和6塊肌肉的肌電信號分別分解了 5個和4個協(xié)同元與激活系數模塊。由于肌肉容易受疲勞因素的影響,分析了正常組和疲勞組的協(xié)同與激活模塊的影響,發(fā)現協(xié)同模塊中對應的肌肉有所變化。步態(tài)運動下分解了4個模塊,對協(xié)同結構間進行排列組合熵分析以及運動功能進行映射分析,得到的結果與肌肉的運動功能相符。（3）為了研究協(xié)同模塊各參與肌... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數】：80 頁

【學位級別】：碩士

【部分圖文】：

Kjnect機械結構

Ｉ?２?３??Ｉ．紅外投影機２．彩色ｍｍ頭３．紅外掛像頭４．友克Ｒ陣列５．馬達??圖１．１?Ｋｉｎｅｃｔ機械結構??ｔ＿ｖｊ?”?一?．＊?？??ｆ?ｆＰ??＼ｗ?’？．?ｉ??圖１．２基于視覺的行為感知示意圖??（２）基于可穿戴傳感器的方法：可穿戴式傳感器配備了協(xié)調器，可以采集??與分析人體產生的各種原始數據信號，例如運動時產生的加速度信號??（Ａｃｃｅｌｅｒａｔｉｏｎ，ＡＣＣ）、表面肌電信號、壓力信號、心率信號等生理信號。圖??■１．３所示，將射頻識別（ＲＦＩＤ）、陀螺儀、加速度傳感器、錄音器等多類型傳感??器佩戴在人身上或者與皮膚接觸，可以用來檢測日�；顒右恍┻\動和生理指標。??如今，穿戴式傳感器越來越小，輕巧的設計，穿戴靈活方便，支持戶外等優(yōu)點。??Ｎｙａｎ等人［１１］通過將陀螺儀傳感器用來檢測側向和后向跌倒動作，結果顯示在跌??倒動作中具有１００％的敏感度

業(yè)大學研制的外骨骼康復機器人ＴＵＰＬＥＥ，用來幫助大腿完成膝關節(jié)的屈伸動作??［１２］。如圖１．４左邊所示，大腿的ｓＥＭＧ信號是由６個肌電電極所采集，角度和力??的測量通過關節(jié)處的傳感器測量。圖右邊為經典的ＨｉＵ模型用來估計下肢的力矩??模型，通俗的講，將采集的ｓＥＭＧ信號估計出其對應的力矩大小，通過力矩的比??例控制外骨骼肌的輸出，通過力矩的反饋與校正處理，使得系統(tǒng)能夠實時檢測。??ＥＭＧＥｅｃ：顧、??ＷＭＡｍｐｉｉｌｋｒ??圖１．４?ＴＵＰＬＥＥ外骨骼機器人模型??ＲｅＷａｌｋ是美國Ａｒｇｏ?Ｍｅｄｉｃａｌ?Ｔｅｃｈｎｏｌｏｇｉｅｓ公司研發(fā)的一款輔助人進行一些??曰�；顒拥耐夤趋罊C器人，如圖１．５?（ａ）所示，通過下肢的穿戴設備實現對日常??活動的輔助，助力行動，并為損傷后的康復提供幫助［１３］。沈金虎等人［１４］設計了??一個檢測系統(tǒng)帶有超聲波傳感器，如圖１．５?（ｂ）所示，針對步態(tài)進行分析，采用??超聲波檢測下肢超聲波的距離，實現對步態(tài)的頻率與長度的確定，從而實現步態(tài)．??４??

【參考文獻】：
期刊論文
[1]基于表面肌電非負矩陣分解與一致性的肌間協(xié)同-耦合關系研究[J]. 謝平,李欣欣,楊春華,楊芳梅,陳曉玲,吳曉光.  中國生物醫(yī)學工程學報. 2017(02)
[2]智能動力小腿假肢[J]. 林楠.  設計. 2016(10)
[3]基于表面肌電的運動意圖識別方法研究及應用綜述[J]. 丁其川,熊安斌,趙新剛,韓建達.  自動化學報. 2016(01)
[4]往者不可諫 來者猶可追——中國科技期刊“十二五”回顧與“十三五”展望[J]. 顏帥,付國樂,張昕.  科技與出版. 2016(01)
[5]上肢肌肉疲勞的sEMG信號特征分析[J]. 任見,李傳江,翟潤哲,茅紅偉.  儀表技術. 2015(12)
[6]從“中國制造2025”看醫(yī)療器械產業(yè)的發(fā)展[J]. 梁慧剛,黃可.  新材料產業(yè). 2015(07)
[7]等動屈伸運動誘發(fā)下肢膝關節(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)
[8]中風康復運動中腦電-肌電相干性分析[J]. 馬培培,陳迎亞,杜義浩,蘇玉萍,吳曉光,梁振虎,謝平.  生物醫(yī)學工程學雜志. 2014(05)
[9]基于mAR模型的小兒腦癱患者下肢肌電信號相干性分析[J]. 馮輝,王乾,吳德,陳香.  北京生物醫(yī)學工程. 2014(04)
[10]基于排列組合熵和聚類分析的SEMG識別方法[J]. 袁明,羅志增.  華中科技大學學報(自然科學版). 2011(S2)

博士論文
[1]小兒腦癱運動功能障礙評估研究[D]. 湯璐.中國科學技術大學 2017
[2]人體下肢關節(jié)系統(tǒng)的生物力學行為研究[D]. 姜海波.中國礦業(yè)大學 2008

碩士論文
[1]康復功能評價中肌間協(xié)同—耦合關系分析方法研究[D]. 李欣欣.燕山大學 2017
[2]多自由度肌電假肢的比例同步控制研究[D]. 桂奇政.杭州電子科技大學 2017
[3]基于表面肌電信號的小兒腦癱步態(tài)肌肉協(xié)同分析[D]. 李飛.中國科學技術大學 2014
[4]基于皮層肌肉相干性的手部運動信息解碼研究[D]. 李云萍.天津醫(yī)科大學 2014
[5]基于全方向下肢康復訓練機器人的步態(tài)檢測與分析[D]. 沈金虎.沈陽工業(yè)大學 2012
[6]重復性作業(yè)上肢肌肉疲勞的表面肌電實驗研究[D]. 張非若.華中科技大學 2006



本文編號：3291200