本文選題：表面肌電信號(hào)　切入點(diǎn)：模式識(shí)別　出處：《蘇州大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：表面肌電信號(hào)是指從肌肉表面通過電極引導(dǎo)而記錄下來(lái)的神經(jīng)肌肉系統(tǒng)活動(dòng)時(shí)的生物電信號(hào),它與肌肉的活動(dòng)狀態(tài)和功能狀態(tài)之間存在著不同程度的關(guān)聯(lián)性,不同的肢體動(dòng)作由不同的肌肉收縮模式產(chǎn)生,肌電信號(hào)特征也存在差異,通過對(duì)表面肌電信號(hào)特征進(jìn)行分析就可以區(qū)分出不同的動(dòng)作模式。表面肌電信號(hào)已經(jīng)廣泛應(yīng)用到臨床醫(yī)學(xué)、運(yùn)動(dòng)醫(yī)學(xué)、生物醫(yī)學(xué)與工程等諸多領(lǐng)域,在智能假肢方面已經(jīng)成為功能性電刺激的理想控制信號(hào)。本文通過對(duì)采集的表面肌電信號(hào)(sEMG)信號(hào)進(jìn)行分析處理,識(shí)別出運(yùn)動(dòng)者的運(yùn)動(dòng)意圖,研究肌電信號(hào)與關(guān)節(jié)力矩之間的關(guān)系,為智能假肢控制做基礎(chǔ)。主要工作包括如下四個(gè)方面：(1)利用表面電極獲取下肢運(yùn)動(dòng)肌電信號(hào),設(shè)計(jì)采集10位測(cè)試人員人體腿部的股直肌、股內(nèi)側(cè)肌、股外側(cè)肌、股二頭肌、半腱肌、脛骨前肌、內(nèi)側(cè)腓腸肌、外側(cè)腓腸肌、比目魚肌九塊肌肉在上下臺(tái)階和上下斜坡時(shí)的表面肌電信號(hào)。通過采用小波閾值去噪方法,對(duì)小波分解后的各層系數(shù)中模大于和小于某閾值的系數(shù)分別處理,然后對(duì)處理完的小波系數(shù)再進(jìn)行反變換,重構(gòu)出經(jīng)過去噪后的信號(hào)。(2)基于DB、Dmey和Bior三種不同的母小波,采用離散小波變換通過不同的分析方法對(duì)表面肌電信號(hào)進(jìn)行多尺度分解,通過對(duì)特征值的分析比較,對(duì)單一特征值進(jìn)行融合分析構(gòu)成特征向量,使各單一特征的優(yōu)點(diǎn)互補(bǔ),增強(qiáng)了特征值的表征能力,從而有效提高了模式分類的正確率。(3)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)對(duì)特征矢量進(jìn)行人體運(yùn)動(dòng)模式的識(shí)別,通過將單一特征值和融合特征值分別輸入BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò),得出多特征融合與單特征集的表征能力比較。(4)本文以表面肌電信號(hào)為生物學(xué)輸入信號(hào)計(jì)算膝關(guān)節(jié)肌肉力,從正反動(dòng)力學(xué)兩方面進(jìn)行研究,逆動(dòng)力學(xué)使用運(yùn)動(dòng)學(xué)數(shù)據(jù)、測(cè)力臺(tái)數(shù)據(jù)等通過力及力矩平衡方程得到關(guān)節(jié)合力矩。正動(dòng)力學(xué)首先使用表面肌電信號(hào)計(jì)算得到肌肉激活度,使用運(yùn)動(dòng)學(xué)數(shù)據(jù)和個(gè)性化的人體骨骼肌肉模型計(jì)算得到肌肉長(zhǎng)度、收縮速度和力臂。然后將肌肉激活度、肌肉長(zhǎng)度、收縮速度代入肌肉收縮模型得到肌肉力代入力臂后得到肌肉力矩。最后將逆動(dòng)力學(xué)得到的關(guān)節(jié)合力矩與正動(dòng)力學(xué)得到的關(guān)節(jié)肌肉合力矩進(jìn)行比較分析。
[Abstract]:Surface electromyography (EMG) is a bioelectric signal recorded from the surface of a muscle guided by an electrode. It is related to the active and functional states of the muscle to varying degrees. Different limb movements are produced by different muscle contraction patterns, and the characteristics of EMG signals are also different. Different action patterns can be distinguished by analyzing the characteristics of surface electromyography (EMG), which has been widely used in clinical medicine, sports medicine, biomedicine and engineering, etc. The intelligent prosthesis has become an ideal control signal for functional electrical stimulation. In this paper, we analyze and process the collected surface EMG signal to identify the motion intention of the motor. To study the relationship between EMG signal and joint torque, which is the basis of intelligent prosthesis control. The main work includes the following four aspects: 1) using surface electrode to obtain motor EMG signal of lower extremity, designing and collecting the rectus femoris muscle of human leg of 10 testers. Surface electromyography of medial femoral muscle, lateral femoral muscle, biceps femoris muscle, semitendinosus muscle, anterior tibial muscle, medial gastrocnemius muscle, lateral gastrocnemius muscle and soleus muscle. The coefficients whose modulus is greater than or less than a certain threshold in the coefficients of each layer after wavelet decomposition are processed separately, and then the wavelet coefficients after processing are inversely transformed to reconstruct the de-noised signal. (2) based on three different mother wavelets, the Dmey wavelet and the Bior wavelet are used to reconstruct the de-noised signal. The discrete wavelet transform is used to decompose the surface EMG signal by different analysis methods. Through the analysis and comparison of the eigenvalues, the single eigenvalue is fused to form the eigenvector, which makes the advantages of each single feature complement each other. The feature value representation ability is enhanced, and the correct rate of pattern classification is improved effectively. BP neural network and Elman neural network are used to recognize the human motion pattern. By inputting the single eigenvalue and the fused eigenvalue into BP neural network and Elman neural network respectively, the comparison of the characterizing ability of multi-feature fusion and single feature set is obtained. (4) in this paper, the surface EMG signal is used as the biological input signal to calculate the muscle force of knee joint. From two aspects of positive and negative dynamics, inverse dynamics uses kinematics data and force table data to obtain joint joint force moment by force and torque balance equation. Positive dynamics first uses surface electromyography to calculate muscle activation. Using kinematics data and personalized skeletal muscle models to calculate muscle length, contraction speed, and force arm. Then muscle activation, muscle length, The muscle torque is obtained after the muscle force is replaced by the force arm. Finally, the joint resultant moment obtained by inverse dynamics is compared with the joint muscle force moment obtained by positive dynamics.
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7;R318

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 譚春祥,楊基海,錢曉進(jìn),梁政;獨(dú)立分量分析在表面肌電信號(hào)分解中的應(yīng)用[J];生物醫(yī)學(xué)工程研究;2004年01期

2 王剛;王志中;胡曉;黃永峰;;基于最佳小波包的表面肌電信號(hào)分類方法[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2006年01期

3 李強(qiáng);楊基海;梁政;;基于卷積混合盲源分離技術(shù)的表面肌電信號(hào)分解研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2006年04期

4 張旭;楊基海;李強(qiáng);陳香;;二階統(tǒng)計(jì)量盲分離技術(shù)在表面肌電信號(hào)分解過程中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2007年03期

5 戴亮;楊基海;陳香;李強(qiáng);;模型生理參數(shù)對(duì)表面肌電信號(hào)影響的仿真研究[J];生物醫(yī)學(xué)工程研究;2007年04期

6 朱昊;辛長(zhǎng)宇;吉小軍;施文康;;表面肌電信號(hào)前端處理電路與采集系統(tǒng)設(shè)計(jì)[J];測(cè)控技術(shù);2008年03期

7 劉南庚;雷敏;;基于小波和非線性指標(biāo)的表面肌電信號(hào)動(dòng)作特征分析[J];中國(guó)組織工程研究與臨床康復(fù);2008年17期

8 梅品高;羅志增;加玉濤;;一種消除表面肌電信號(hào)中工頻干擾的方法[J];杭州電子科技大學(xué)學(xué)報(bào);2008年02期

9 任新宇;;關(guān)于拾取表面肌電信號(hào)的電路設(shè)計(jì)和探究[J];科學(xué)之友(B版);2009年03期

10 吳冬梅;孫欣;張志成;杜志江;;表面肌電信號(hào)的分析和特征提取[J];中國(guó)組織工程研究與臨床康復(fù);2010年43期

相關(guān)會(huì)議論文 前10條

1 李強(qiáng);楊基海;梁政;陳香;何為;;卷積混合信號(hào)的分離技術(shù)在表面肌電信號(hào)分解中的應(yīng)用[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

2 何為;楊基海;梁政;陳香;任焱暄;;一種模擬表面肌電信號(hào)不同發(fā)放時(shí)刻的波形變異的方法[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

3 梁政;楊基海;周旭初;李強(qiáng);馮煥清;;一種基于反饋網(wǎng)絡(luò)法分離卷積混合信號(hào)的表面肌電信號(hào)分解預(yù)處理方法[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

4 趙章琰;陳香;張旭;涂有強(qiáng);楊基海;;實(shí)時(shí)手勢(shì)動(dòng)作表面肌電信號(hào)識(shí)別研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

5 趙新剛;楊畢;吳成東;顧爽;韓建達(dá);;基于表面肌電信號(hào)的人體運(yùn)動(dòng)意圖識(shí)別方法研究[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

6 王樂軍;黃勇;龔銘新;陳志勇;許翔;馬國(guó)強(qiáng);;小波包分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合探索60秒全力蹬踏自行車致股直肌疲勞過程中的表面肌電信號(hào)變化特征[A];第十三屆全國(guó)運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)論文匯編[C];2009年

7 陳香;張旭;趙章琰;涂有強(qiáng);楊基海;;多類手勢(shì)動(dòng)作表面肌電信號(hào)模式識(shí)別研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

8 陳偉婷;王志中;胡曉;;基于熵的表面肌電信號(hào)疲勞特征分析[A];2005年上海市生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2005年

9 梁政;楊基海;李強(qiáng);陳香;錢曉進(jìn);馮煥清;;一種基于FIR濾波器的多導(dǎo)表面肌電信號(hào)合成方法[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

10 王穎;李穎;李丹;劉志朋;殷濤;;基于表面肌電信號(hào)區(qū)分上肢動(dòng)作的實(shí)驗(yàn)研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第三十二屆學(xué)術(shù)年會(huì)論文集[C];2012年

相關(guān)重要報(bào)紙文章 前2條

1 通訊員 平揚(yáng) 張軼帆 記者 馮國(guó)梧;新技術(shù)讓“機(jī)器手腳”活動(dòng)自如[N];科技日?qǐng)?bào);2011年

2 平揚(yáng)　張軼帆 馮國(guó)梧;猜透主人心機(jī)器更靈活[N];中國(guó)技術(shù)市場(chǎng)報(bào);2011年

相關(guān)博士學(xué)位論文 前7條

1 牟永閣;基于時(shí)頻和時(shí)間尺度分析的表面肌電信號(hào)研究及應(yīng)用[D];重慶大學(xué);2004年

2 李強(qiáng);表面肌電信號(hào)的運(yùn)動(dòng)單位動(dòng)作電位檢測(cè)[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

3 寧勇;多通道表面肌電信號(hào)分解的研究[D];浙江大學(xué);2014年

4 姚博;表面肌電信號(hào)分解算法及其在小兒腦癱評(píng)詁中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

5 王剛;基于小波變換和多重分形分析的表面肌電信號(hào)分析[D];上海交通大學(xué);2008年

6 陳偉婷;基于熵的表面肌電信號(hào)特征提取研究[D];上海交通大學(xué);2008年

7 宋全軍;人機(jī)接觸交互中人體肘關(guān)節(jié)運(yùn)動(dòng)意圖與力矩估計(jì)[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 李會(huì);上肢表面肌電信號(hào)的特征分析方法研究[D];華僑大學(xué);2015年

2 孫光林;人體上肢表面肌電信號(hào)分析方法的研究[D];東北大學(xué);2013年

3 溫倩;基于表面肌電信號(hào)的人體行走模式識(shí)別[D];河北工業(yè)大學(xué);2015年

4 李晗;基于表面肌電信號(hào)控制的人機(jī)交互系統(tǒng)設(shè)計(jì)[D];北京理工大學(xué);2015年

5 陳濤;基于DSP的便攜式表面肌電信號(hào)處理系統(tǒng)的研究[D];天津職業(yè)技術(shù)師范大學(xué);2015年

6 蘇芳茵;表面肌電信號(hào)分析及運(yùn)動(dòng)模式分類研究[D];華僑大學(xué);2016年

7 于亞萍;基于表面肌電信號(hào)的人體下肢動(dòng)作識(shí)別及關(guān)節(jié)力矩分析研究[D];蘇州大學(xué);2016年

8 鞠徐;基于表面肌電信號(hào)的動(dòng)作模式識(shí)別[D];南京航空航天大學(xué);2009年

9 盧蕾;基于表面肌電信號(hào)區(qū)分上肢動(dòng)作的實(shí)驗(yàn)研究[D];北京協(xié)和醫(yī)學(xué)院;2011年

10 時(shí)改杰;動(dòng)作表面肌電信號(hào)的特征提取方法研究[D];上海交通大學(xué);2008年

，

本文編號(hào)：1612469