隨著林業(yè)機(jī)械的飛速發(fā)展,人類在在林區(qū)作業(yè)的方式已經(jīng)發(fā)生了很大的變化,將手勢識別應(yīng)用于控制林業(yè)機(jī)械將更加自由便利、更加高效、更加人性化。因而,通過分析表面肌電(Surface Electromyography,sEMG)信號,利用信號處理技術(shù)準(zhǔn)確識別出手勢是現(xiàn)在的研究熱點(diǎn)。傳統(tǒng)的sEMG信號手勢識別方法由于提取的特征數(shù)據(jù)不夠充分或者是分類器模型的泛化性能不強(qiáng),導(dǎo)致對多人的肌電信號同時進(jìn)行手勢的識別率不夠高。針對這個問題,本文提出使用27類特征融合的特征向量和基于有向無環(huán)圖和支持向量機(jī)的分類方法進(jìn)行手勢識別。本文的主要研究內(nèi)容和結(jié)論如下:1、本文對15名健康受試者在手臂的掌長肌、肱橈肌、指伸肌和尺側(cè)腕伸肌這四塊目標(biāo)肌肉附近對握拳、展拳、上切、下切、外翻和內(nèi)翻這六個手勢動作采集了各10組的四路sEMG信號,并對其進(jìn)行包括消噪、放大和活動段檢測在內(nèi)的預(yù)處理;2、本文利用時域、頻域、時頻域和非線性動力學(xué)分析方法對預(yù)處理后的sEMG信號進(jìn)行特征計(jì)算,共得到27類特征。相比于將特征的簡單組合,利用特征提取(降維)算法對特征向量進(jìn)行處理后的識別結(jié)果更加理想,利用6種分類算法對4種特征提取方法后的數(shù)據(jù)進(jìn)行識別測試,表明經(jīng)線性判別分析處理后的數(shù)據(jù)識別效果最好,最佳維數(shù)在5～8維;3、本文在支持向量機(jī)和有向無環(huán)圖的分類方法基礎(chǔ)上,提出了一種改進(jìn)分類方法DAGSVMerr算法,利用預(yù)識別中的誤識別率來計(jì)算分離性測度,并和一對多算法、一對一算法和另外兩種基于歐氏距離計(jì)算分離性測度的有向無環(huán)圖-支持向量機(jī)算法進(jìn)行對比實(shí)驗(yàn),結(jié)果表明DAGSVMerr算法的識別效果最好,平均識別率高達(dá)99.4%。再將其與五種常用的分類算法進(jìn)行比較,實(shí)驗(yàn)表明DAGSVMerr算法的識別率最高。
【學(xué)位單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：S776;TP241;TN911.7
【部分圖文】：

區(qū)域的記錄電極將檢測到電位或電壓（相對于地面），它的時間偏移被稱為動作電位??（Ｄｅ?Ｌｕｃａ，１９７９）。多條肌纖維的動作電位在時間上和空間上同時疊加起來，這就會形??成運(yùn)動單位動作電位（Ｍｏｔｏｒ?Ｕｎｉｔ?Ａｃｔｉｏｎ?Ｐｏｔｅｎｔｉａｌ，?ＭＵＡＰ）。圖２－１給出了形成ＭＵＡＰ??的示意圖（Ｋｏｎｒａｄ，?２００５）。在檢測電極處，皮下組織（皮膚、脂肪和肌肉等）組成的??容積導(dǎo)體對ＭＵＡＰ序列會產(chǎn)生濾波作用，它們在時間和空間上的疊加，再加上這個??過程中的噪聲影響，這便形成了肌電信號。通過電極從表面皮膚記錄肌肉運(yùn)動時的肌??肉生物信號稱為ｓＥＭＧ信號（Ａｒｍａｇａｎ?ｅｔ?ａｌ，?２００３）。??運(yùn)動終板?動作電位??１?１?ｔ?ａ?戶一＇１?—??運(yùn)?Ｔ?——．．．．．．－Ｈ?２?＿－??ｒｎ?Ｑ）?ｖ?Ａ?＋??十??運(yùn)動單位動作電位（ＭＡＵＰ）?—??圖２－１形成運(yùn)動單位動作電位的示意圖??Ｆｉｇ．?２－１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｍｏｔｏｒ?ｕｎｉｔ?ａｃｔｉｏｎ?ｐｏｔｅｎｔｉａｌｓ’?ｆｏｒｍａｔｉｏｎ??所以，ｓＥＭＧ信號的產(chǎn)生是一種肌肉活動有關(guān)的皮膚表面產(chǎn)生的一種生物電現(xiàn)象，??７??

?Ｉｇｉａ—??圖２－３?ＲＭ６２４０Ｂ配有的電纜線??Ｆｉｇ．２－３?Ｔｈｅ?ｃａｂｌｅ?ｅｑｕｉｐｐｅｄ?ｂｙ?ＲＭ６２４０Ｂ??２．２．２．手勢動作與目標(biāo)肌肉的確定??根據(jù)林業(yè)機(jī)械的操作命令，結(jié)合前臂肌肉的功能，選取六個有關(guān)屈伸手指和轉(zhuǎn)動??手腕的動作，分別是握拳、展拳、上切、下切、外翻和內(nèi)翻，如圖２－４所示。因此，??本研究的手勢識別技術(shù)可以應(yīng)用在６個控制命令以下的林業(yè)機(jī)械設(shè)備的控制方式上。??如將應(yīng)用于整枝機(jī)控制，則這六個手勢動作可以直觀地表達(dá)整枝機(jī)的六個控制命令，??手勢動作和控制命令之間的對應(yīng)關(guān)系為：握拳對應(yīng)中位，上切對應(yīng)上升，下切對應(yīng)下??降，外翻對應(yīng)怠速，內(nèi)翻對應(yīng)作業(yè)，展拳對應(yīng)行走（胡昕卉等，２０１７）。??ａ?ｂ?ｃ??ｙ．?今、????Ｖ＊／?／，／??７?Ｗ??ｄ?ｅ?ｆ??圖２－４六類手勢動作的示意圖??ａ握拳；ｂ展拳；ｃ外翻；ｄ內(nèi)翻；ｅ上切；ｆ下切。??Ｆｉｇ．?２－４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｉｘ?ｇｅｓｔｕｒｅｓ??ａ?Ｆｉｓｔ；ｂ?Ｆｉｎｇｅｒ?ｓｐｒｅａｄ；ｃ?Ｐａｌｍ?ｓｕｐｉｎａｔｉｏｎ；ｄ?Ｐａｌｍ?ｐｒｏｎａｔｉｏｎ；ｅ?Ｐａｌｍ?ｌａｔｅｒａｌ?ｓｕｐｉｎａｔｉｏｎ；ｆ?Ｐａｌｍ?ｌａｔｅｒａｌ??ｐｒｏｎａｔｉｏｎ．??目標(biāo)肌肉的確定需要考慮一下因素：首先優(yōu)先選擇前臂淺層的肌肉，因?yàn)殡姌O片??９??

２．２．２．手勢動作與目標(biāo)肌肉的確定??根據(jù)林業(yè)機(jī)械的操作命令，結(jié)合前臂肌肉的功能，選取六個有關(guān)屈伸手指和轉(zhuǎn)動??手腕的動作，分別是握拳、展拳、上切、下切、外翻和內(nèi)翻，如圖２－４所示。因此，??本研究的手勢識別技術(shù)可以應(yīng)用在６個控制命令以下的林業(yè)機(jī)械設(shè)備的控制方式上。??如將應(yīng)用于整枝機(jī)控制，則這六個手勢動作可以直觀地表達(dá)整枝機(jī)的六個控制命令，??手勢動作和控制命令之間的對應(yīng)關(guān)系為：握拳對應(yīng)中位，上切對應(yīng)上升，下切對應(yīng)下??降，外翻對應(yīng)怠速，內(nèi)翻對應(yīng)作業(yè)，展拳對應(yīng)行走（胡昕卉等，２０１７）。??ａ?ｂ?ｃ??ｙ．?今、????Ｖ＊／?／，／??７?Ｗ??ｄ?ｅ?ｆ??圖２－４六類手勢動作的示意圖??ａ握拳；ｂ展拳；ｃ外翻；ｄ內(nèi)翻；ｅ上切；ｆ下切。??Ｆｉｇ．?２－４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｉｘ?ｇｅｓｔｕｒｅｓ??ａ?Ｆｉｓｔ；ｂ?Ｆｉｎｇｅｒ?ｓｐｒｅａｄ；ｃ?Ｐａｌｍ?ｓｕｐｉｎａｔｉｏｎ；ｄ?Ｐａｌｍ?ｐｒｏｎａｔｉｏｎ；ｅ?Ｐａｌｍ?ｌａｔｅｒａｌ?ｓｕｐｉｎａｔｉｏｎ；ｆ?Ｐａｌｍ?ｌａｔｅｒａｌ??ｐｒｏｎａｔｉｏｎ．??目標(biāo)肌肉的確定需要考慮一下因素：首先優(yōu)先選擇前臂淺層的肌肉，因?yàn)殡姌O片??９??
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡軍;李玉蘭;;基于DBN的sEMG智能輪椅人機(jī)交互系統(tǒng)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年S1期

2 郭謀發(fā);徐麗蘭;繆希仁;陳立純;;采用時頻矩陣奇異值分解的配電開關(guān)振動信號特征量提取方法[J];中國電機(jī)工程學(xué)報(bào);2014年28期

3 田建勛;陳香;李云;楊基海;;一種基于加速度與表面肌電信息融合和統(tǒng)計(jì)語言模型的連續(xù)手語識別方法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2011年03期

4 王艷;陳歡歡;沈毅;;有向無環(huán)圖的多類支持向量機(jī)分類算法[J];電機(jī)與控制學(xué)報(bào);2011年04期

5 羅志增;熊靜;劉志宏;;一種基于WPT和LVQ神經(jīng)網(wǎng)絡(luò)的手部動作識別方法[J];模式識別與人工智能;2010年05期

6 ;第七次全國森林資源清查及森林資源狀況[J];林業(yè)資源管理;2010年01期

7 鄭德慧;;淺析林業(yè)機(jī)械的發(fā)展及其應(yīng)用[J];科技信息;2009年27期

8 蔣全勝;賈民平;胡建中;許飛云;;基于拉普拉斯特征映射的故障模式識別方法[J];系統(tǒng)仿真學(xué)報(bào);2008年20期

9 羅志增;嚴(yán)庭芳;;基于HMM的表面肌電信號模式分類[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

10 周云龍;陳飛;孫斌;;基于圖像小波包信息熵和遺傳神經(jīng)網(wǎng)絡(luò)的氣-液兩相流流型識別[J];核動力工程;2008年01期

相關(guān)博士學(xué)位論文 前3條

1 王秀美;隱變量模型的建模與優(yōu)化[D];西安電子科技大學(xué);2010年

2 劉小明;數(shù)據(jù)降維及分類中的流形學(xué)習(xí)研究[D];浙江大學(xué);2007年

3 任海兵;非特定人自然的人體動作識別[D];清華大學(xué);2003年

相關(guān)碩士學(xué)位論文 前5條

1 徐慧娟;自回歸AR模型的整體最小二乘分析研究[D];東華理工大學(xué);2012年

2 鄭鑫;基于表面肌電信號的手臂運(yùn)動模式識別方法研究[D];吉林大學(xué);2012年

3 劉欣;基于模式識別的肌電信號動作分類性能研究[D];山東大學(xué);2010年

4 田喜英;主元分析和非線性方法在表面肌電信號中的應(yīng)用研究[D];上海交通大學(xué);2009年

5 邱青菊;表面肌電信號的特征提取與模式分類研究[D];上海交通大學(xué);2009年

本文編號：2867405