在人體前臂肌肉的表面肌電信號模式識別研究中，首要任務是給出能夠識別日常生活常用動作及情感表達手勢的模式識別方法。除此之外，為智能仿生手臂的控制模塊提供更多的動作細節(jié)信息，如手指關節(jié)角、握力等，能夠幫助其更好的完成日常生活動作，提高設備的擬人化程度。針對以上設想，本文提出將加速信號及握力信號等其他與描述動作有關的多源信號，與表面肌電信號融合，在模式識別的訓練階段幫助生成更為準確的分類策略，希望對智能仿生手臂的模式識別模塊的開發(fā)能夠起到推動作用。為了實現基于多源信息的智能仿生手臂模式識別研究，從表面肌電信號中提取更多能夠用于智能仿生手臂仿生化控制的運動細節(jié)信息，本文主要進行了下面幾個方面的研究：提出了一種融合雙路信號特征的模特征提取算法。在表面肌電信號的手勢動作模式識別中，一些識別率的損失是由于信號采集過程中信道順序顛倒造成的。為了解決這一問題，本文基于復數的概念提出了綜合雙路信號特征的模特征提取算法，該算法將獨立的雙路特征作為復數的實部和虛部，計算雙路特征的模值作為信號的模特征。該模值能夠綜合反映雙路信號特征，同時對信道順序不敏感，魯棒性強。針對表面肌電信號樣本標注代價大的問題，本文提出... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：119 頁

【學位級別】：博士

【文章目錄】：
前言
摘要
ABSTRACT
第1章 緒論
    1.1 問題的提出與研究意義
        1.1.1 問題提出
        1.1.2 研究意義
    1.2 國內外研究現狀
        1.2.1 智能仿生手臂國內外發(fā)展現狀
        1.2.2 表面肌電信號模式識別國內外研究現狀
        1.2.3 存在的主要問題
    1.3 本文的主要內容與結構安排
        1.3.1 科研項目資助情況
        1.3.2 研究目標與主要研究問題
        1.3.3 章節(jié)安排
第2章 基于特征融合的魯棒表面肌電信號半監(jiān)督模式識別
    2.1 引言
    2.2 表面肌電信號模特征提取算法
    2.3 安全半監(jiān)督支持向量機
        2.3.1 半監(jiān)督支持向量機
        2.3.2 安全半監(jiān)督支持向量機
    2.4 算法設計
        2.4.1 安全半監(jiān)督支持向量機的算法設計
        2.4.2 Label 矩陣
    2.5 仿真實驗及結果分析
        2.5.1 實驗數據采集
        2.5.2 考慮信道順序的識別率對比實驗
        2.5.3 機器學習方法對比實驗
        2.5.4 基于模特征的魯棒表面肌電信號半監(jiān)督模式識別實驗
    2.6 本章小結
第3章 基于融合信息的表面肌電信號--關節(jié)角模式識別研究
    3.1 引言
    3.2 傳統(tǒng)活動段檢測方法
    3.3 融合表面肌電信號和關節(jié)角信息的類活動段檢測
    3.4 加速計信號中手指關節(jié)角的計算方法
    3.5 仿真實驗及結果分析
        3.5.1 實驗配置及數據采集
        3.5.2 活動段檢測對比
        3.5.3 識別率對比
        3.5.4 關節(jié)角識別實驗
        3.5.5 多類關節(jié)角識別實驗
    3.6 本章小結
第4章 考慮肌肉力運動特性的表面肌電信號模式研究
    4.1 引言
    4.2 肌肉力與肌電信號的生物學關系
    4.3 表面肌電信號的窗特征提取方法
        4.3.1 窗樣本熵算法
        4.3.2 窗峰度值算法
    4.4 仿真實驗及結果分析
        4.4.1 實驗方案
        4.4.2 數據處理
        4.4.3 同側數據預測結果
        4.4.4 特征對實驗結果的影響
        4.4.5 對側數據預測結果
    4.5 本章小結
第5章 智能仿生手的虛擬樣機開發(fā)及仿真研究
    5.1 引言
    5.2 虛擬樣機模型建立
        5.2.1 人手運動機理研究
        5.2.2 虛擬假肢模型
        5.2.3 ADAMS 中的運動學仿真
    5.3 仿生手臂動力學建模
    5.4 仿真實驗及結果分析
        5.4.1 ADAMS 與 MATLAB 聯合仿真
        5.4.2 智能仿生手虛擬在線仿真
    5.5 本章小結
第6章 總結與展望
    6.1 主要工作及成果
    6.2 研究展望
參考文獻
作者簡介及研究成果
致謝


【參考文獻】：
期刊論文
[1]基于非線性特征的表面肌電信號模式識別方法[J]. 張啟忠,席旭剛,羅志增.  電子與信息學報. 2013(09)
[2]基于表面肌電信號高通濾波處理后對指屈肌肌力估算的研究[J]. 郭峰.  體育科學. 2012(12)
[3]腦電信號的小波變換和樣本熵特征提取方法[J]. 張毅,羅明偉,羅元.  智能系統(tǒng)學報. 2012(04)
[4]基于FFT盲辨識的肌電信號建模及模式識別[J]. 李陽,田彥濤,陳萬忠.  自動化學報. 2012(01)
[5]基于小波變換及AR模型的EMG模式識別研究[J]. 張毅,連奧奇,羅元.  電子測量與儀器學報. 2011(09)
[6]一種基于加速度與表面肌電信息融合和統(tǒng)計語言模型的連續(xù)手語識別方法[J]. 田建勛,陳香,李云,楊基海.  中國生物醫(yī)學工程學報. 2011(03)
[7]基于加速計與表面肌電傳感器信息融合的手語識別方法[J]. 李云,陳香,張旭,趙章琰,楊基海.  航天醫(yī)學與醫(yī)學工程. 2010(06)
[8]一種基于肌電信號的踝關節(jié)動作預測方法的研究[J]. 王震,張震,姚松麗,章亞男,錢晉武.  高技術通訊. 2010(11)
[9]基于共空間模式和神經元網絡的腦-機接口信號的識別[J]. 葉檸,孫宇舸,王旭.  東北大學學報(自然科學版). 2010(01)
[10]五指仿人機器人靈巧手DLR/HIT Hand Ⅱ[J]. 劉伊威,金明河,樊紹巍,蘭天,陳兆芃.  機械工程學報. 2009(11)

博士論文
[1]基于表面肌電和加速度信號融合的動作識別和人體行為分析研究[D]. 成娟.中國科學技術大學 2013
[2]智能仿生手臂肌電信號—運動模型化與模式識別理論方法研究[D]. 李陽.吉林大學 2012
[3]基于肌電信號的多模式人機接口研究[D]. 陳歆普.上海交通大學 2011
[4]仿人型假手多運動模式的肌電控制研究[D]. 楊大鵬.哈爾濱工業(yè)大學 2011
[5]人體上肢與上肢康復機器人運動控制研究[D]. 劉珊.華中科技大學 2008

碩士論文
[1]表面肌電信號模式識別及其運動分析[D]. 張莉.吉林大學 2013
[2]人體上肢骨肌建模及肌肉力預測方法研究[D]. 張爭輝.天津大學 2013
[3]多分類器集成技術研究[D]. 康恒政.西南交通大學 2011
[4]基于半監(jiān)督支持向量機的網絡流量分類機制的研究與實現[D]. 李響.北京郵電大學 2011



本文編號：3045409