本文關(guān)鍵詞：基于sEMG信號(hào)的上肢自主康復(fù)訓(xùn)練動(dòng)作模式識(shí)別，由筆耕文化傳播整理發(fā)布。

【摘要】：偏癱通常由腦卒中等腦神經(jīng)系統(tǒng)疾病引起,患者大多不同程度的喪失日常生活活動(dòng)(Activities of Daily Living, ADL)能力。開(kāi)展機(jī)器人輔助患者上肢自主康復(fù)訓(xùn)練,可以克服臨床康復(fù)的不足,配合一定的康復(fù)模式,對(duì)于恢復(fù)患者ADL能力具有重要的臨床以及社會(huì)意義。利用患者健側(cè)上肢引導(dǎo)康復(fù)訓(xùn)練機(jī)器人以輔助患側(cè)上肢執(zhí)行運(yùn)動(dòng)訓(xùn)練是一種可行的自主康復(fù)訓(xùn)練方式,對(duì)健側(cè)上肢進(jìn)行動(dòng)作追蹤是實(shí)現(xiàn)康復(fù)機(jī)器人控制的重要方面。表面肌電信號(hào)(surface electromyography, sEMG)可以直接反映人的神經(jīng)肌肉活動(dòng),且采集方便,安全無(wú)創(chuàng),能夠順應(yīng)偏癱患者生理狀態(tài)的特殊性而被廣泛用做康復(fù)機(jī)器人的控制源,其中,基于sEMG信號(hào)的動(dòng)作模式識(shí)別被用于實(shí)現(xiàn)上肢動(dòng)作追蹤。研究sEMG信號(hào)動(dòng)作模式識(shí)別的原理與方法,并對(duì)提高模式識(shí)別精度、速度以及康復(fù)系統(tǒng)的便攜易用性等方面進(jìn)行研究,對(duì)于提高患者臨床康復(fù)效果、保障臨床應(yīng)用安全性等方面具有重要價(jià)值,對(duì)于完善生物信號(hào)模式識(shí)別以及機(jī)械工程理論,解決工程實(shí)踐問(wèn)題具有重要意義。為更好的實(shí)現(xiàn)基于sEMG信號(hào)的機(jī)器人輔助偏癱患者進(jìn)行上肢自主康復(fù)訓(xùn)練,文本重點(diǎn)對(duì)sEMG信號(hào)多階特征空間構(gòu)造方法；信號(hào)通道約簡(jiǎn)；支持向量機(jī)上肢動(dòng)作多類樣本分類策略以及康復(fù)訓(xùn)練豐富環(huán)境等方面進(jìn)行研究。對(duì)多類上肢康復(fù)動(dòng)作模式及多通道sEMG信號(hào)進(jìn)行分析,研究了二者之間的關(guān)聯(lián)模型,根據(jù)神經(jīng)系統(tǒng)可塑性與運(yùn)動(dòng)再學(xué)習(xí)理論,提出了機(jī)器人輔助偏癱患者健側(cè)上肢自主引導(dǎo)患側(cè)上肢執(zhí)行運(yùn)動(dòng)訓(xùn)練的康復(fù)方案。分析了人體上肢解剖學(xué)結(jié)構(gòu)與肌肉功能分布,并根據(jù)日常生活中上肢運(yùn)動(dòng)特點(diǎn),確定了與肩、肘關(guān)節(jié)相關(guān)的六類上肢康復(fù)訓(xùn)練動(dòng)作模式,建立了相關(guān)肌肉與多通道sEMG信號(hào)的關(guān)聯(lián),同時(shí)確定了sEMG信號(hào)采集位置。根據(jù)sEMG信號(hào)特點(diǎn),構(gòu)建了sEMG信號(hào)采集系統(tǒng),制定了多通道sEMG信號(hào)采集方案,實(shí)現(xiàn)了健側(cè)動(dòng)作模式向多通道sEMG信號(hào)的轉(zhuǎn)換。通過(guò)對(duì)sEMG信號(hào)采集結(jié)果進(jìn)行分析,歸納出了sEMG信號(hào)與上肢動(dòng)作模式之間的特點(diǎn)與規(guī)律,提出了基于sEMG信號(hào)的動(dòng)作模式識(shí)別目標(biāo)與方法,實(shí)現(xiàn)了sEMG信號(hào)向患側(cè)動(dòng)作模式的轉(zhuǎn)換,從而構(gòu)建了自主康復(fù)訓(xùn)練技術(shù)體系。通過(guò)對(duì)sEMG信號(hào)進(jìn)行非高斯性分析,研究了多階特征空間構(gòu)造方法。通過(guò)偏斜度和峰度計(jì)算,驗(yàn)證了sEMG信號(hào)含有非高斯成分。鑒于非高斯成分富含了sEMG信號(hào)的大量信息,對(duì)于提高基于sEMG信號(hào)的上肢動(dòng)作分類精度具有重要價(jià)值,針對(duì)常用的基于低階統(tǒng)計(jì)量的時(shí)域與頻域聯(lián)合特征不能表征信號(hào)非高斯信息的問(wèn)題,研究了基于三階統(tǒng)計(jì)量雙譜的特征提取方法,提取了雙譜切片積分特征。為解決雙譜切片積分特征空間維數(shù)過(guò)高的問(wèn)題,應(yīng)用主成分分析法(Principal Component Analysis, PC A)進(jìn)行了降維處理。將降維后的雙譜特征與時(shí)域特征積分肌電值相聯(lián)合,構(gòu)成了多階特征空間(BisIE)。以上肢動(dòng)作分類準(zhǔn)確率為指標(biāo),并通過(guò)與基于二階統(tǒng)計(jì)信息功率譜的特征空間(MMIE)相對(duì)照進(jìn)行了實(shí)驗(yàn)研究,結(jié)果顯示,基于雙譜與時(shí)域特征的聯(lián)合特征空間BisIE獲得了較好的上肢動(dòng)作分類效果,表明BisIE特征空間是有效的,為更有效表征含有非高斯信息的信號(hào)提供了方法。通過(guò)多變量選擇原理,研究了sEMG信號(hào)通道約簡(jiǎn)方法。對(duì)原始通道信號(hào)相關(guān)性與BisIE特征空間分布情況進(jìn)行了分析,結(jié)果顯示各通道間存在冗余與無(wú)效信息,表明了通道約簡(jiǎn)具有可行性。研究改進(jìn)了ReliefF算法,計(jì)算了各通道特征對(duì)于動(dòng)作模式分類的貢獻(xiàn)率并進(jìn)行了排序,得到了通道有效性序列。采用逆序遞減方法依次約簡(jiǎn)了貢獻(xiàn)率最低的通道,以聚類分離度指標(biāo)為工具,對(duì)剩余通道特征組合進(jìn)行了可分性分析,最終實(shí)現(xiàn)了通道約簡(jiǎn)。信號(hào)通道約簡(jiǎn)后,在保證較高分類準(zhǔn)確率的前提下,降低了通道數(shù)量,對(duì)動(dòng)作分類速度以及后期康復(fù)應(yīng)用的實(shí)時(shí)性、便攜性等方面具有重要影響,并為信號(hào)通道約簡(jiǎn)提供了理論依據(jù)。針對(duì)一對(duì)一支持向量機(jī)(One-Versus-One Support Vector Machine, OVO-SVM)多類樣本分類策略的局限性,根據(jù)上肢動(dòng)作特點(diǎn),研究了支持向量機(jī)(Support Vector Machine, SVM)上肢動(dòng)作多類樣本分類方法,提出了兩步支持向量機(jī)上肢多模式動(dòng)作分類策略(Two Step Support Vector Machine, TS-SVM).根據(jù)上肢動(dòng)作分類的特點(diǎn),對(duì)OVO-SVM多類樣本分類策略進(jìn)行了改進(jìn),將六類上肢動(dòng)作分為兩個(gè)層次,并通過(guò)兩步進(jìn)行分類決策,第一步在第一層中劃分大類,第二步在第一步分類結(jié)果基礎(chǔ)上進(jìn)行分類決策,產(chǎn)生最終分類結(jié)果。改進(jìn)后的TS-SVM策略,解決了OVO-SVM策略應(yīng)用繁瑣,實(shí)時(shí)性差的問(wèn)題,減少了所需訓(xùn)練的分類器數(shù)量以及分類決策次數(shù),提高了分類的時(shí)間效率,并保持了較高的分類準(zhǔn)確率,有利于提升后期臨床應(yīng)用的實(shí)時(shí)性與易用性。應(yīng)用康復(fù)醫(yī)學(xué)理論、虛擬現(xiàn)實(shí)與上肢康復(fù)訓(xùn)練機(jī)器人技術(shù),研究了康復(fù)訓(xùn)練豐富環(huán)境。依據(jù)殘疾人康復(fù)需求層次理論,以訓(xùn)練患者ADL能力為主要目標(biāo),制定了康復(fù)訓(xùn)練策略,構(gòu)建了上肢自主康復(fù)訓(xùn)練環(huán)境,并設(shè)計(jì)了兩種訓(xùn)練模式。通過(guò)運(yùn)行測(cè)試,所構(gòu)建康復(fù)訓(xùn)練環(huán)境能夠?yàn)榛颊咛峁┝己玫目祻?fù)訓(xùn)練支持,所研究的肌電控制方法精確、有效。論文重點(diǎn)對(duì)用于康復(fù)訓(xùn)練機(jī)器人控制的sEMG信號(hào)模式識(shí)別技術(shù),以及康復(fù)訓(xùn)練環(huán)境進(jìn)行了研究,研究結(jié)果對(duì)于偏癱患者開(kāi)展機(jī)器人輔助上肢自主康復(fù)訓(xùn)練具有理論與臨床意義。本研究尚存在一些不足,在以下方面仍需深入研究與完善：(1)研究動(dòng)作幅度、速度以及多自由度復(fù)合運(yùn)動(dòng)等與sEMG信號(hào)的關(guān)系；以實(shí)現(xiàn)更自然的機(jī)器人輔助患者上肢自主康復(fù)訓(xùn)練。(2)擴(kuò)大受試者樣本規(guī)模,以不同年齡階段、性別以及臨床狀態(tài)的患者作為樣本進(jìn)行綜合研究。
【關(guān)鍵詞】：上肢自主康復(fù)訓(xùn)練 機(jī)器人 sEMG信號(hào) 多階聯(lián)合特征提取 通道約簡(jiǎn)
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：R49;TP242
【目錄】：

• 摘要13-16
• ABSTRACT16-20
• 第1章 緒論20-38
• 1.1 研究背景及意義20-22
• 1.2 基于上肢康復(fù)訓(xùn)練機(jī)器人自主康復(fù)訓(xùn)練的研究22-26
• 1.2.1 上肢康復(fù)訓(xùn)練機(jī)器人研究進(jìn)展22-23
• 1.2.2 基于動(dòng)作追蹤的康復(fù)訓(xùn)練機(jī)器人控制23-25
• 1.2.3 康復(fù)模式25-26
• 1.3 基于sEMG信號(hào)的康復(fù)訓(xùn)練機(jī)器人控制26-32
• 1.3.1 sEMG信號(hào)作為控制源的產(chǎn)生26
• 1.3.2 基于sEMG信號(hào)模式識(shí)別的肌電控制26-29
• 1.3.3 表面肌電信號(hào)模式識(shí)別關(guān)鍵技術(shù)29-32
• 1.4 研究問(wèn)題及技術(shù)路線32-35
• 1.5 研究目標(biāo)及內(nèi)容35-38
• 1.5.1 研究目標(biāo)35
• 1.5.2 內(nèi)容及組織安排35-38
• 第2章 基于sEMG信號(hào)的機(jī)器人輔助上肢自主引導(dǎo)康復(fù)方案38-54
• 2.1 自主訓(xùn)練方式下的上肢運(yùn)動(dòng)康復(fù)方案38-41
• 2.1.1 神經(jīng)系統(tǒng)可塑性原理38-39
• 2.1.2 運(yùn)動(dòng)再學(xué)習(xí)方法39-40
• 2.1.3 康復(fù)方案40-41
• 2.2 上肢主要?jiǎng)幼髂Ｊ?/span>41-45
• 2.2.1 上肢解剖學(xué)結(jié)構(gòu)與肌肉分布41-43
• 2.2.2 上肢動(dòng)作模式與相關(guān)肌肉43-45
• 2.3 上肢動(dòng)作模式相關(guān)的sEMG信號(hào)45-49
• 2.3.1 上肢動(dòng)作模式相關(guān)肌肉與多通道sEMG信號(hào)分析45-46
• 2.3.2 sEMG信號(hào)采集46-49
• 2.4 基于sEMG信號(hào)的動(dòng)作模式識(shí)別49-53
• 2.4.1 sEMG信號(hào)與上肢動(dòng)作模式的關(guān)系與規(guī)律50-52
• 2.4.2 基于sEMG信號(hào)的動(dòng)作模式識(shí)別方法52-53
• 2.5 本章小結(jié)53-54
• 第3章 sEMG信號(hào)多階聯(lián)合特征空間構(gòu)造54-72
• 3.1 上肢sEMG信號(hào)非高斯性判定54-56
• 3.2 特征空間構(gòu)造方案56-57
• 3.3 高階統(tǒng)計(jì)量與雙譜理論57-59
• 3.4 雙譜特征59-65
• 3.4.1 雙譜矩陣的估計(jì)59-60
• 3.4.2 雙譜特征提取60-62
• 3.4.3 雙譜特征空間降維62-65
• 3.5 聯(lián)合特征空間構(gòu)造65-66
• 3.6 特征空間有效性評(píng)價(jià)66-69
• 3.7 本章小結(jié)69-72
• 第4章 基于ReliefF的sEMG信號(hào)通道約簡(jiǎn)72-92
• 4.1 通道可約簡(jiǎn)性分析73-76
• 4.1.1 信號(hào)通道相關(guān)性分析73-75
• 4.1.2 特征空間分布75-76
• 4.2 基于ReliefF的通道約簡(jiǎn)76-84
• 4.2.1 通道約簡(jiǎn)方案76-77
• 4.2.2 Relief簡(jiǎn)介77-79
• 4.2.3 基于ReliefF的sEMG信號(hào)通道有效性判定79-82
• 4.2.4 特征可分性分析82-84
• 4.3 通道約簡(jiǎn)結(jié)果84-86
• 4.4 通道約簡(jiǎn)結(jié)果評(píng)價(jià)86-90
• 4.4.1 通道約簡(jiǎn)對(duì)分類精度的影響86-87
• 4.4.2 通道約簡(jiǎn)對(duì)分類速度的影響87-90
• 4.5 本章小結(jié)90-92
• 第5章 TS-SVM多類分類策略及上肢動(dòng)作分類92-110
• 5.1 SVM原理92-97
• 5.1.1 兩類SVM分類92-95
• 5.1.2 多類SVM分類95-96
• 5.1.3 OVO-SVM用于上肢動(dòng)作分類的局限性96-97
• 5.2 TS-SVM多類分類策略97-100
• 5.2.1 多步SVM分類策略97-98
• 5.2.2 TS-SVM上肢動(dòng)作分類策略98-100
• 5.3 TS-SVM上肢動(dòng)作分類100-104
• 5.3.1 樣本設(shè)置100-101
• 5.3.2 分類器設(shè)置101-102
• 5.3.3 動(dòng)作分類過(guò)程102-104
• 5.4 TS-SVM分類結(jié)果評(píng)價(jià)104-107
• 5.4.1 分類器數(shù)量與分類決策次數(shù)104-105
• 5.4.2 分類準(zhǔn)確率105
• 5.4.3 分類器訓(xùn)練時(shí)間105-106
• 5.4.4 模式分類時(shí)間106-107
• 5.5 本章小結(jié)107-110
• 第6章 面向ADL能力的虛擬現(xiàn)實(shí)上肢康復(fù)訓(xùn)練環(huán)境110-128
• 6.1 ADL康復(fù)需求與康復(fù)訓(xùn)練策略110-113
• 6.1.1 康復(fù)需求110-111
• 6.1.2 訓(xùn)練策略111-112
• 6.1.3 訓(xùn)練模式112-113
• 6.2 康復(fù)訓(xùn)練環(huán)境總體框架113-122
• 6.2.1 組成及工作原理113-115
• 6.2.2 康復(fù)訓(xùn)練機(jī)器人系統(tǒng)115-117
• 6.2.3 虛擬現(xiàn)實(shí)系統(tǒng)及任務(wù)場(chǎng)景117-122
• 6.3 康復(fù)訓(xùn)練軟件122-124
• 6.3.1 功能模塊122-124
• 6.3.2 通訊與交互設(shè)計(jì)124
• 6.4 康復(fù)訓(xùn)練環(huán)境運(yùn)行測(cè)試124-126
• 6.5 本章小結(jié)126-128
• 總結(jié)與展望128-132
• 參考文獻(xiàn)132-154
• 攻讀博士學(xué)位期間發(fā)表的論文及參與課題154-156
• 致謝156-158
• 外文論文158-182
• 附件182

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 黃莉莉;湯進(jìn);孫登第;羅斌;;基于多標(biāo)簽ReliefF的特征選擇算法[J];計(jì)算機(jī)應(yīng)用;2012年10期

2 馬說(shuō)邯;劉欣博;馬齊爽;;高階累積量在紅外熱像損傷檢測(cè)信號(hào)分析中的應(yīng)用[J];紅外與激光工程;2013年05期

3 卓大宏;現(xiàn)代康復(fù)功能訓(xùn)練的新概念與新技術(shù)[J];中國(guó)康復(fù)醫(yī)學(xué)雜志;2003年07期

4 宋海燕;張建國(guó);;人體日常生活活動(dòng)基本動(dòng)作的提取研究[J];中國(guó)康復(fù)醫(yī)學(xué)雜志;2009年05期

  本文關(guān)鍵詞：基于sEMG信號(hào)的上肢自主康復(fù)訓(xùn)練動(dòng)作模式識(shí)別，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：298145