【摘要】：表面肌電信號(hào)(surface Electromyogram signal,sEMG)是肌肉收縮期間在皮膚表面產(chǎn)生的一種微弱生物電信號(hào),它具有采集方便、非侵入、對(duì)肢體無(wú)損傷的特性,近年來(lái)得到了廣泛研究。利用sEMG控制的交互設(shè)備具有潛在的應(yīng)用研究?jī)r(jià)值,基于sEMG的人手動(dòng)作識(shí)別研究成為目前仿生假肢的一個(gè)重要研究熱點(diǎn)。當(dāng)前基于sEMG的動(dòng)作識(shí)別雖然取得了一些進(jìn)展,但在sEMG包絡(luò)信號(hào)的研究分析與使用、活動(dòng)段檢測(cè)算法的復(fù)雜性與準(zhǔn)確率、特征的優(yōu)化選擇與處理、個(gè)體差異性等方面仍存在一些問(wèn)題,導(dǎo)致識(shí)別率下降、能夠識(shí)別的動(dòng)作不夠多。針對(duì)這些問(wèn)題,本文以開(kāi)發(fā)肌電假肢為目標(biāo),采用實(shí)驗(yàn)與理論相結(jié)合的方法,就基于表面肌電信號(hào)的人手動(dòng)作識(shí)別進(jìn)行了如下研究:1)研究了兩種類型的sEMG信號(hào)的特性,包括sEMG原始信號(hào)和sEMG包絡(luò)信號(hào)。前者是從皮膚表面通過(guò)氯化銀電極貼直接獲取的,只經(jīng)過(guò)簡(jiǎn)單放大未經(jīng)信號(hào)處理電路進(jìn)一步處理,是一種交流信號(hào),擁有豐富的時(shí)域和頻域信息。后者是利用信號(hào)處理電路對(duì)sEMG原始信號(hào)進(jìn)行整流、積分和放大后得到的直流信號(hào),反映的是sEMG原始信號(hào)的包絡(luò)軌跡,只在時(shí)域中攜帶豐富的信息。2)活動(dòng)段檢測(cè)及預(yù)處理方法的研究。在活動(dòng)段檢測(cè)中本文提出并比較了改進(jìn)的基于短時(shí)能量和基于滑動(dòng)絕對(duì)值平均的兩種算法,分析了它們的優(yōu)劣。在數(shù)據(jù)預(yù)處理過(guò)程中本文對(duì)sEMG原始信號(hào)采用八階巴特沃斯帶通濾波器,對(duì)sEMG包絡(luò)信號(hào)研究了三種預(yù)處理方法,包括滑動(dòng)中值濾波、數(shù)字濾波器和小波變換,最終選擇出基于小波六層分解與重構(gòu)的平滑消抖預(yù)處理技術(shù)。3)sEMG的特征提取及處理方法的研究。這些研究?jī)?nèi)容包括特征提取、特征的預(yù)處理和特征的選擇優(yōu)化。本文根據(jù)sEMG原始信號(hào)的性質(zhì),從sEMG原始信號(hào)時(shí)域、頻域、時(shí)頻域和參數(shù)模型中共提取了52個(gè)特征。根據(jù)sEMG包絡(luò)信號(hào)的特性,從sEMG包絡(luò)信號(hào)的時(shí)域中提取了24個(gè)特征。不同的特征其量綱不同,在特征的預(yù)處理過(guò)程中本文對(duì)所有特征進(jìn)行了最大最小縮放處理以消除量綱。由于個(gè)體差異性,不同的人最優(yōu)特征組合是不一樣的,本文使用了四種單變量特征選擇算法包括皮爾森相關(guān)系數(shù)、F檢驗(yàn)、卡方檢驗(yàn)和Relief-F對(duì)原始特征進(jìn)行了選擇優(yōu)化。4)sEMG的使用方式以及有監(jiān)督學(xué)習(xí)與單變量特征選擇的匹配研究。本文運(yùn)用了三種有監(jiān)督學(xué)習(xí)算法,包括K近鄰、多層前饋神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)。在實(shí)驗(yàn)中發(fā)現(xiàn),模式分類器與單變量特征選擇算法匹配不同所得到的識(shí)別結(jié)果不同,同時(shí)將sEMG原始信號(hào)與sEMG包絡(luò)信號(hào)結(jié)合使用效果最佳,經(jīng)過(guò)一系列的分析比較,本文選擇出F檢驗(yàn)與支持向量機(jī)的最佳匹配組合,將兩種信號(hào)結(jié)合使用的方法。通過(guò)這種方法,本文僅僅使用兩個(gè)傳感器,對(duì)九種人手動(dòng)作達(dá)到了95%的識(shí)別率。5)仿生機(jī)械手的在線實(shí)時(shí)肌電控制實(shí)驗(yàn)。將以上得到的結(jié)論在硬件平臺(tái)上實(shí)現(xiàn),開(kāi)發(fā)出了仿生手實(shí)時(shí)模仿實(shí)驗(yàn)者的實(shí)驗(yàn)平臺(tái)。該實(shí)驗(yàn)平臺(tái)包括數(shù)據(jù)采集終端、波形顯示以及數(shù)據(jù)處理終端和仿生機(jī)械手控制終端。它們之間通過(guò)串口或NRF24L01無(wú)線通信模塊進(jìn)行通信,能夠?qū)?shí)驗(yàn)者動(dòng)作進(jìn)行在線實(shí)時(shí)識(shí)別并模擬。
【圖文】：

圖 1.1 針式電極生的肌電信號(hào)叫做表面肌電信號(hào)（ 用表面電極貼來(lái)采集，如圖 1.2 所無(wú)疼痛的肌電信號(hào)采集方式。sEM反映，是不同肌肉纖維群動(dòng)作電小在50μV~5mV,頻率小于 1000 ，它的大小和幅值具有不確定性，關(guān)[8]。同針式電極的采集方式相比勢(shì)，它獲得的肌電信號(hào)雖然含有較有傷害，因此得到了較為廣泛的應(yīng) sEMG 中識(shí)別出肢體的運(yùn)動(dòng)模式機(jī)器人和智能硬件等領(lǐng)域的一個(gè)

圖 1.1 針式電極產(chǎn)生的肌電信號(hào)叫做表面肌電信號(hào)（surfacG 用表面電極貼來(lái)采集，如圖 1.2 所示，而傷無(wú)疼痛的肌電信號(hào)采集方式。sEMG 是肌合反映，是不同肌肉纖維群動(dòng)作電位在皮大小在50μV~5mV,頻率小于 1000 HZ[6,7]，，號(hào)，它的大小和幅值具有不確定性，但在一相關(guān)[8]。同針式電極的采集方式相比，sEM優(yōu)勢(shì)，它獲得的肌電信號(hào)雖然含有較多的噪沒(méi)有傷害，因此得到了較為廣泛的應(yīng)用。隨從 sEMG 中識(shí)別出肢體的運(yùn)動(dòng)模式已成為生機(jī)器人和智能硬件等領(lǐng)域的一個(gè)重要研究
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN911.7;R318

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王松;黨建武;王陽(yáng)萍;杜曉剛;;實(shí)時(shí)動(dòng)作識(shí)別方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2017年03期

2 李文輝;;基于多示例多特征的人體動(dòng)作識(shí)別[J];信息技術(shù);2016年12期

3 王松;杜曉剛;王陽(yáng)萍;楊景玉;;基于關(guān)節(jié)點(diǎn)運(yùn)動(dòng)軌跡的人體動(dòng)作識(shí)別[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年02期

4 任丹;;基于表面肌電信號(hào)特征的動(dòng)作識(shí)別[J];遼東學(xué)院學(xué)報(bào)(自然科學(xué)版);2017年01期

5 區(qū)峻;石千惠;;特征降維和高斯混合模型的體育運(yùn)動(dòng)動(dòng)作識(shí)別[J];現(xiàn)代電子技術(shù);2017年11期

6 凌佩佩;邱崧;蔡茗名;徐偉;豐穎;;結(jié)合特權(quán)信息的人體動(dòng)作識(shí)別[J];中國(guó)圖象圖形學(xué)報(bào);2017年04期

7 王松;黨建武;王陽(yáng)萍;杜曉剛;;基于關(guān)節(jié)間夾角變化序列的動(dòng)作識(shí)別算法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2017年06期

8 侯靜怡;劉翠微;吳心筱;;基于隱任務(wù)學(xué)習(xí)的動(dòng)作識(shí)別方法[J];北京理工大學(xué)學(xué)報(bào);2017年07期

9 韓敏捷;;基于深度學(xué)習(xí)框架的多模態(tài)動(dòng)作識(shí)別[J];計(jì)算機(jī)與現(xiàn)代化;2017年07期

10 冀中;郭威辰;;基于局部保持典型相關(guān)分析的零樣本動(dòng)作識(shí)別[J];天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版);2017年09期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動(dòng)作識(shí)別方法[A];廣州市儀器儀表學(xué)會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2010年

2 葉喜勇;陶霖密;王國(guó)建;邸慧軍;;視角無(wú)關(guān)的人體軀干動(dòng)作識(shí)別[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

3 朱巖;趙旭;劉允才;;基于稀疏編碼和局部時(shí)空特征的人體動(dòng)作識(shí)別[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

4 黃飛躍;徐光yP;;自然的人體動(dòng)作識(shí)別[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

5 呂超;;基于動(dòng)作識(shí)別的增強(qiáng)現(xiàn)實(shí)系統(tǒng)中實(shí)時(shí)交互技術(shù)的研究~[A];中國(guó)造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)2017年裝備技術(shù)發(fā)展論壇論文集[C];2017年

6 黃艷歡;葉少珍;;連續(xù)動(dòng)作分割綜述[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

7 劉志強(qiáng);尹建芹;張玲;魏軍;劉小麗;;基于Kinect數(shù)據(jù)主成分分析的人體動(dòng)作識(shí)別[A];2015光學(xué)精密工程論壇論文集[C];2015年

8 王彥鴻;倪世宏;王剛;謝川;;基于遺傳算法的飛行動(dòng)作識(shí)別規(guī)則獲取方法[A];中國(guó)航空學(xué)會(huì)控制與應(yīng)用第十二屆學(xué)術(shù)年會(huì)論文集[C];2006年

9 征容;嚴(yán)瀟然;;PCA在智能家居中的動(dòng)作識(shí)別實(shí)例和測(cè)試[A];四川省通信學(xué)會(huì)2015年學(xué)術(shù)年會(huì)論文集[C];2015年

10 席旭剛;金燕;朱海港;高云園;;基于小波包熵和支持向量機(jī)的手部肌電信號(hào)動(dòng)作識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前8條

1 記者 顧瑾　通訊員 徐紅萍;杭州電信推出“網(wǎng)絡(luò)健身館”[N];人民郵電;2010年

2 杜浩;無(wú)人書店的啟示[N];山西日?qǐng)?bào);2018年

3 本報(bào)記者 陳丹;人與機(jī)器的“對(duì)話”[N];科技日?qǐng)?bào);2010年

4 本報(bào)記者 郝天韻 見(jiàn)習(xí)記者 朱麗娜;無(wú)人書店，是噱頭還是趨勢(shì)[N];中國(guó)新聞出版廣電報(bào);2018年

5 寧夏 邊書麗 編譯;深入了解體感技術(shù)[N];電子報(bào);2013年

6 本報(bào)記者 馬愛(ài)平;動(dòng)一動(dòng)就認(rèn)清你？機(jī)器說(shuō)可以[N];科技日?qǐng)?bào);2017年

7 曹_g;強(qiáng)強(qiáng)聯(lián)手引領(lǐng)運(yùn)動(dòng)健康產(chǎn)業(yè)發(fā)展[N];中國(guó)體育報(bào);2016年

8 安吉;Kinect for Windows帶來(lái)精彩行業(yè)應(yīng)用[N];科技日?qǐng)?bào);2014年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王磊;視頻人體運(yùn)動(dòng)的檢測(cè)跟蹤與識(shí)別[D];上海交通大學(xué);2017年

2 Fangbemi Abassin Sourou;基于時(shí)空二進(jìn)制特征的動(dòng)作識(shí)別算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

3 陳野;基于可穿戴傳感器數(shù)據(jù)的人體動(dòng)作識(shí)別方法的研究[D];大連理工大學(xué);2018年

4 楊維信;基于路徑重積分特征和深度學(xué)習(xí)方法的軌跡數(shù)據(jù)的表征和識(shí)別[D];華南理工大學(xué);2018年

5 郭明;融合多源體感信息的人體動(dòng)作識(shí)別方法[D];大連理工大學(xué);2018年

6 王廷蔚;基于鑒別主題和時(shí)序結(jié)構(gòu)的動(dòng)作識(shí)別[D];南京理工大學(xué);2018年

7 王亮亮;基于視覺(jué)的人體動(dòng)作識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2017年

8 李向新;基于多源神經(jīng)信息解碼的多功能假肢控制性能增強(qiáng)及優(yōu)化方法[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2017年

9 林連冬;基于仿生機(jī)械手的肌動(dòng)傳感器動(dòng)作識(shí)別研究[D];黑龍江大學(xué);2017年

10 趙洋;4D人體動(dòng)作識(shí)別中的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2018年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 韓濤濤;基于跨域?qū)W習(xí)和雙鏈融合網(wǎng)絡(luò)的開(kāi)放域動(dòng)作識(shí)別算法研究[D];天津理工大學(xué);2019年

2 朱宇祥;基于量子神經(jīng)網(wǎng)絡(luò)的肢體動(dòng)作識(shí)別研究[D];沈陽(yáng)工業(yè)大學(xué);2019年

3 門鑫;基于深度學(xué)習(xí)的視頻內(nèi)容識(shí)別和搜索算法研究[D];北京郵電大學(xué);2019年

4 吳騫;融合時(shí)空差分信息的動(dòng)作識(shí)別算法研究[D];浙江大學(xué);2019年

5 鄭集元;基于深度學(xué)習(xí)的人體動(dòng)作識(shí)別研究[D];重慶理工大學(xué);2019年

6 徐振新;基于卷積神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作識(shí)別研究[D];哈爾濱工程大學(xué);2019年

7 薛煒辰;基于深度學(xué)習(xí)的視頻動(dòng)態(tài)模式識(shí)別[D];上海交通大學(xué);2017年

8 何俊佑;多模態(tài)人體動(dòng)作識(shí)別研究[D];北京郵電大學(xué);2019年

9 吳顏生;基于表面肌電信號(hào)的人手動(dòng)作識(shí)別研究[D];東北師范大學(xué);2019年

10 劉蕓糖;基于LTE的無(wú)源人體動(dòng)作識(shí)別的研究[D];南京大學(xué);2019年

本文編號(hào)：2709721