人機接口技術(shù)的發(fā)展一直是醫(yī)療康復(fù)領(lǐng)域里值得關(guān)注的研究方向,采用二維矩陣式高密度表面肌電（High Density surface EMG,HD-sEMG）信號采集技術(shù),能夠測量覆蓋在限定皮膚區(qū)域肌肉的電活動,捕捉整塊肌肉活動區(qū)域肌電信號時域和空間域分布信息,有利于對復(fù)雜動作肌電信號的解析和優(yōu)化。由于人體上肢運動肌電信號解析較為困難,本文提出一種針對上肢運動HD-sEMG信號人機接口技術(shù)解析優(yōu)化方法;對實驗者上肢前伸和外展共八種不同運動角度時三角肌的HD-sEMG信號進行解析和優(yōu)化,以模擬對上肢前伸和外展連續(xù)動作產(chǎn)生的肌電信號的解析。本文采用64路配置的高密度sEMG電極采集HD-sEMG信號。首先,根據(jù)肌電控制人機接口技術(shù)的整體結(jié)構(gòu),在數(shù)據(jù)預(yù)處理方面,詳細對比主成分分析、快速獨立元分析和多分類共同空間模式三種空間濾波算法,分別對采集的HD-sEMG信號作空間濾波預(yù)處理,求得分離矩陣以實現(xiàn)對原信號數(shù)據(jù)的重構(gòu)及降低數(shù)據(jù)維數(shù)的目的。基于多類別共同空間模式提出不同類別通道間互信息最大化通道選擇方法,將信號通道按照互信息進行降序排列,選擇肌源信號最優(yōu)的原始通道進行分析,以較少的通道數(shù)代替原64路... 

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 HD-sEMG信號解析方法國內(nèi)外研究現(xiàn)狀
    1.3 HD-sEMG信號解析存在的主要問題
    1.4 論文的研究內(nèi)容與結(jié)構(gòu)安排
第2章 基于上肢運動的sEMG信號接口技術(shù)
    2.1 肌電控制接口技術(shù)的整體結(jié)構(gòu)
        2.1.1 肌電信號的產(chǎn)生機理
        2.1.2 肌電信號的獲取方式
    2.2 上肢運動sEMG信號采集
        2.2.1 上肢運動肌肉分析
        2.2.2 高密度表面肌電信號采集系統(tǒng)
        2.2.3 實驗設(shè)計方案
    2.3 肌電信號活動段數(shù)據(jù)分割
    2.4 本章小結(jié)
第3章 基于上肢運動的HD-sEMG信號預(yù)處理
    3.1 基于PCA的HD-sEMG空間濾波算法
    3.2 基于FastICA的HD-sEMG空間濾波算法
    3.3 基于MuticlassCSP的HD-sEMG空間濾波算法
        3.3.1 基于互信息最大化的MulticlassCSP濾波數(shù)選取算法
        3.3.2 基于互信息最大化的MulticlassCSP通道選取算法
    3.4 本章小結(jié)
第4章 基于上肢運動的HD-sEMG信號特征提取
    4.1 針對HD-sEMG信號的特征分析
        4.1.1 時域特征分析
        4.1.2 頻域特征分析
        4.1.3 時頻域特征分析
    4.2 HD-sEMG的空間特征分析
    4.3 HD-sEMG空間域與時頻域特征結(jié)合分析
    4.4 本章小結(jié)
第5章 針對上肢運動HD-sEMG信號模式分類
    5.1 模式分類
        5.1.1 支持向量機分類算法
        5.1.2 線性判別分析分類算法
        5.1.3 K-最鄰近分類算法
        5.1.4 人工神經(jīng)網(wǎng)絡(luò)分類算法
    5.2 不同分類算法性能的對比分析
    5.3 針對電極偏移魯棒性分析
    5.4 本章小結(jié)
第6章 結(jié)論
參考文獻
在學(xué)研究成果
致謝


【參考文獻】：
期刊論文
[1]基于小波變換的多特征融合sEMG模式識別[J]. 于亞萍,孫立寧,張峰峰,張建法.  傳感技術(shù)學(xué)報. 2016(04)
[2]基于支持向量機的肌電信號小波特征分類解碼[J]. 何濤,谷朝臣,胡潔.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2015(S1)
[3]中國殘聯(lián)發(fā)布我國最新殘疾人口數(shù)據(jù)[J]. 趙燕潮.  殘疾人研究. 2012(01)
[4]表面肌電信號的分析和特征提取[J]. 吳冬梅,孫欣,張志成,杜志江.  中國組織工程研究與臨床康復(fù). 2010(43)
[5]基于小波包變換的肌電信號特征提取[J]. 石君,周美嬌,朱正平,傅志中.  微計算機信息. 2010(07)
[6]基于RBF神經(jīng)網(wǎng)絡(luò)的盲均衡算法綜述[J]. 嵇雅田.  電子質(zhì)量. 2009(01)
[7]多類支持向量機方法的研究現(xiàn)狀與分析[J]. 趙春暉,陳萬海,郭春燕.  智能系統(tǒng)學(xué)報. 2007(02)
[8]肌電信號特征提取方法綜述[J]. 加玉濤,羅志增.  電子器件. 2007(01)

博士論文
[1]上肢康復(fù)訓(xùn)練機器人的肌電控制研究[D]. 程祥利.山東大學(xué) 2013
[2]模式分類的K-近鄰方法[D]. 茍建平.電子科技大學(xué) 2013

碩士論文
[1]基于LDA的特征提取及其在人臉識別中的應(yīng)用[D]. 湯鵬.河北大學(xué) 2015
[2]人體上肢表面肌電信號采集與處理的研究[D]. 班帥.東北大學(xué) 2012



本文編號：3700392