表面肌電信號(hào)（Surface Electromyography,sEMG）是通過表面電極記錄的肌肉運(yùn)動(dòng)生物電信號(hào),它可以反映神經(jīng)和肌肉的功能狀態(tài)。隨著科技的不斷進(jìn)步,國(guó)內(nèi)外研究學(xué)者對(duì)sEMG信號(hào)的研究也逐步深入,尤其是在運(yùn)動(dòng)訓(xùn)練、術(shù)后復(fù)健、臨床醫(yī)學(xué)等領(lǐng)域得到廣泛的應(yīng)用。目前在單自由度的假肢控制中sEMG信號(hào)已逐步應(yīng)用,并趨近達(dá)到商業(yè)化的目的。但針對(duì)多自由度智能設(shè)備的控制,sEMG信號(hào)仍然存在諸多問題有待解決,多通道表面肌電信號(hào)的特征提取與分類識(shí)別更是其中亟待突破的難題。隨著深度學(xué)習(xí)領(lǐng)域的異軍突起,深度學(xué)習(xí)模型對(duì)sEMG信號(hào)手勢(shì)動(dòng)作的精準(zhǔn)程度有顯著提升。深度神經(jīng)網(wǎng)絡(luò),對(duì)建立多模態(tài)的感知計(jì)算模型具有很強(qiáng)的應(yīng)用價(jià)值,但同時(shí)也要求具有足夠的數(shù)據(jù)量作為支持。市場(chǎng)上現(xiàn)存的精密假肢價(jià)格一般較高,實(shí)驗(yàn)室肌電處理方法主要在計(jì)算機(jī)仿真平臺(tái)上進(jìn)行測(cè)試,與實(shí)際使用還存在一定差距。為解決sEMG信號(hào)在實(shí)際應(yīng)用上存在的問題,本文提出了一種基于深度學(xué)習(xí)模型的sEMG信號(hào)手勢(shì)動(dòng)作識(shí)別算法,通過深度學(xué)習(xí)模型完成對(duì)sEMG信號(hào)手勢(shì)動(dòng)作的識(shí)別,未來(lái)可以作為深度智能儀器控制系統(tǒng)。首先,本文選用瑞士 Ninapro公開數(shù)據(jù)庫(kù),... 

【文章來(lái)源】：延邊大學(xué)吉林省211工程院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究目的和意義
    1.2 國(guó)內(nèi)外相關(guān)領(lǐng)域研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)機(jī)器學(xué)習(xí)的sEMG信號(hào)手勢(shì)動(dòng)作識(shí)別方法
        1.2.2 基于深度學(xué)習(xí)的sEMG信號(hào)手勢(shì)動(dòng)作識(shí)別方法
    1.3 研究?jī)?nèi)容及主要工作
    1.4 本文結(jié)構(gòu)
第2章 sEMG信號(hào)手勢(shì)動(dòng)作識(shí)別的研究基礎(chǔ)
    2.1 引言
    2.2 sEMG信號(hào)概述
    2.3 sEMG信號(hào)預(yù)處理理論基礎(chǔ)
        2.3.1 sEMG信號(hào)特點(diǎn)與噪聲源
        2.3.2 巴特沃斯濾波器介紹
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 網(wǎng)絡(luò)結(jié)構(gòu)
        2.4.2 激活函數(shù)
        2.4.3 交叉熵?fù)p失函數(shù)
        2.4.4 優(yōu)化方法
        2.4.5 正則化
        2.4.6 批規(guī)范化
    2.5 本章小結(jié)
第3章 基于深度殘差網(wǎng)絡(luò)的表面肌電信號(hào)手勢(shì)動(dòng)作識(shí)別算法
    3.1 引言
    3.2 sEMG信號(hào)的預(yù)處理
        3.2.1 巴特沃斯帶通濾波器對(duì)sEMG信號(hào)去噪
        3.2.2 利用sEMG信號(hào)的標(biāo)準(zhǔn)偏差濾除無(wú)信號(hào)段
        3.2.3 sEMG信號(hào)的擴(kuò)充
    3.3 基于殘差網(wǎng)絡(luò)的sEMG信號(hào)手勢(shì)動(dòng)作識(shí)別算法
        3.3.1 殘差網(wǎng)絡(luò)
        3.3.2 殘差學(xué)習(xí)
        3.3.3 殘差單元
        3.3.4 網(wǎng)絡(luò)的整體框架
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果比較及分析
    4.1 引言
    4.2 實(shí)驗(yàn)數(shù)據(jù)來(lái)源
    4.3 實(shí)驗(yàn)平臺(tái)及參數(shù)設(shè)置
    4.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析
        4.4.1 不同重疊時(shí)間長(zhǎng)度下的實(shí)驗(yàn)結(jié)果對(duì)比與分析
        4.4.2 不同優(yōu)化方法下的實(shí)驗(yàn)結(jié)果對(duì)比與分析
        4.4.3 不同批量尺寸下的實(shí)驗(yàn)結(jié)果對(duì)比與分析
        4.4.4 不同方法實(shí)驗(yàn)結(jié)果對(duì)比與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于全卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)分類[J]. 陳永生,喻玲娟,謝曉春.  雷達(dá)科學(xué)與技術(shù). 2018(03)
[2]人工神經(jīng)網(wǎng)絡(luò)中損失函數(shù)的研究[J]. 任進(jìn)軍,王寧.  甘肅高師學(xué)報(bào). 2018(02)
[3]面向深度學(xué)習(xí)過擬合問題的神經(jīng)網(wǎng)絡(luò)模型[J]. 劉丹楓,劉建霞.  湘潭大學(xué)自然科學(xué)學(xué)報(bào). 2018(02)
[4]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)關(guān)系分類方法研究[J]. 李博,趙翔,王帥,葛斌,肖衛(wèi)東.  計(jì)算機(jī)科學(xué)與探索. 2018(05)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[6]手腕表面肌電信號(hào)的動(dòng)作特征表示與識(shí)別[J]. 王紅旗,李林偉,毛啊敏.  控制工程. 2015(04)
[7]基于SVM的下肢運(yùn)動(dòng)表面肌電信號(hào)的特征提取與辨識(shí)分析[J]. 張羿,趙慧龍,張向剛,秦開宇.  載人航天. 2015(02)
[8]基于表面肌電信號(hào)的手腕動(dòng)作模式識(shí)別[J]. 張啟忠,席旭剛,馬玉良,羅志增,佘青山.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2013(03)
[9]基于小波包能量譜和SVM的水下目標(biāo)識(shí)別[J]. 劉健,劉忠,熊鷹.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2012(02)
[10]基于小波包變換的肌電信號(hào)特征提取[J]. 石君,周美嬌,朱正平,傅志中.  微計(jì)算機(jī)信息. 2010(07)

博士論文
[1]肌電手勢(shì)識(shí)別中的多流融合和多視圖深度學(xué)習(xí)方法研究[D]. 衛(wèi)文韜.浙江大學(xué) 2018
[2]基于深度機(jī)器學(xué)習(xí)的體態(tài)與手勢(shì)感知計(jì)算關(guān)鍵技術(shù)研究[D]. 杜宇.浙江大學(xué) 2017
[3]基于肌電信號(hào)的人機(jī)接口技術(shù)的研究[D]. 何樂生.東南大學(xué) 2006

碩士論文
[1]基于支持向量機(jī)的表面肌電信號(hào)模式識(shí)別方法研究[D]. 黃赟偉.西安理工大學(xué) 2010



本文編號(hào)：3634880