發(fā)布時(shí)間：2017-04-08 15:14

  本文關(guān)鍵詞：基于表面肌電信號(hào)的下肢運(yùn)動(dòng)模式識(shí)別的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：由腦卒中引起的下肢偏癱給患者和家庭帶來巨大痛苦。隨著患者人數(shù)增加，也給社會(huì)帶來負(fù)擔(dān)。傳統(tǒng)上，醫(yī)師采用徒手對(duì)患者進(jìn)行康復(fù)訓(xùn)練，但患者易產(chǎn)生厭煩。下肢康復(fù)機(jī)器人可以代替醫(yī)師完成康復(fù)訓(xùn)練，可以提高療效，，減輕負(fù)擔(dān)。為了實(shí)現(xiàn)患者的自主訓(xùn)練，本課題將肌電信號(hào)作為主要控制信息源，以體現(xiàn)患者的運(yùn)動(dòng)意圖。本文針對(duì)人體下肢運(yùn)動(dòng)模式識(shí)別做了以下基礎(chǔ)性研究： 首先，詳細(xì)闡述了腦卒中發(fā)病機(jī)理，介紹了表面肌電信號(hào)的機(jī)理及其應(yīng)用。根據(jù)下肢各肌肉的功能特點(diǎn)，選擇脛骨前肌和內(nèi)腓腸肌上的表面肌電信號(hào)為控制信號(hào)，對(duì)其每個(gè)步態(tài)周期劃分為支撐前期、支撐中期、支撐末期和擺動(dòng)期四種運(yùn)動(dòng)模式。 其次，表面肌電信號(hào)的預(yù)處理和特征提取是非常重要的環(huán)節(jié)。小波包μ律絕對(duì)值閾值法解決了肌電信號(hào)中夾雜生理噪聲的干擾，消噪效果優(yōu)于傳統(tǒng)的軟、硬閾值法。用50%的“重疊窗”方法劃分?jǐn)?shù)據(jù)段，對(duì)時(shí)域、頻域及時(shí)域-頻域聯(lián)合分析后，用時(shí)頻分析法中的小波變換計(jì)算每一段的小波特征奇異值，構(gòu)建特征編碼后輸入分類器中進(jìn)行模式識(shí)別。 最后，為了對(duì)下肢四種細(xì)分的步態(tài)狀態(tài)進(jìn)行運(yùn)動(dòng)模式識(shí)別，提出了GA-Elman網(wǎng)絡(luò)。它是利用遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)收斂速度慢且易受局部極小點(diǎn)困擾的缺陷，經(jīng)過網(wǎng)絡(luò)訓(xùn)練、識(shí)別后得到85%的平均識(shí)別率，明顯優(yōu)于傳統(tǒng)的BP和Elman網(wǎng)絡(luò)�？紤]到下肢步態(tài)的四種運(yùn)動(dòng)模式能夠?qū)?yīng)到隱馬爾可夫（HMM）的四種狀態(tài)，本文嘗試用HMM的信號(hào)分類識(shí)別方法對(duì)下肢步態(tài)狀態(tài)進(jìn)行識(shí)別，經(jīng)過Baum-Welch算法對(duì)HMM參數(shù)進(jìn)行重估訓(xùn)練和Viterbi算法進(jìn)行識(shí)別后，得到的平均識(shí)別率為93.75%。識(shí)別效果優(yōu)于GA-Elman神經(jīng)網(wǎng)絡(luò)，能夠更加精確地對(duì)下肢外骨骼實(shí)施控制。
【關(guān)鍵詞】：康復(fù)機(jī)器人 表面肌電信號(hào) 運(yùn)動(dòng)模式識(shí)別 小波分析
【學(xué)位授予單位】：河北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：R318.04;TN911.7
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 目錄7-10
• 第一章 緒論10-20
• 1.1 研究背景10-11
• 1.2 研究意義11
• 1.3 國內(nèi)外的研究現(xiàn)狀11-16
• 1.3.1 下肢肌電信號(hào)在國外康復(fù)醫(yī)療領(lǐng)域的應(yīng)用12-16
• 1.3.2 下肢肌電信號(hào)在國內(nèi)康復(fù)醫(yī)療領(lǐng)域的應(yīng)用16
• 1.4 下肢外骨骼康復(fù)機(jī)器人的控制機(jī)理16-18
• 1.4.1 控制信號(hào)源的研究16-17
• 1.4.2 肌電信號(hào)的控制原理17-18
• 1.5 研究的主要內(nèi)容18-20
• 第二章 表面肌電信號(hào)的產(chǎn)生與采集20-36
• 2.1 肌電信號(hào)的概述20-22
• 2.1.1 表面肌電信號(hào)的產(chǎn)生機(jī)理20-21
• 2.1.2 表面肌電信號(hào)的特征21-22
• 2.2 人體下肢肌肉的功能及其步態(tài)分析22-27
• 2.2.1 人體的運(yùn)動(dòng)分析22-23
• 2.2.2 下肢肌群及其作用分析23-25
• 2.2.3 下肢步態(tài)分析25-27
• 2.3 表面肌電信號(hào)的采集系統(tǒng)27-35
• 2.3.1 表面肌電信號(hào)采集的硬件系統(tǒng)27-32
• 2.3.2 采集過程的干擾因素32-33
• 2.3.3 表面肌電信號(hào)的采集33-35
• 2.4 本章小結(jié)35-36
• 第三章 表面肌電信號(hào)預(yù)處理和特征提取方法36-54
• 3.1 表面肌電信號(hào)預(yù)處理36-41
• 3.1.1 小波包分析的信號(hào)消噪技術(shù)37-39
• 3.1.2 仿真分析39-41
• 3.2 表面肌電信號(hào)特征提取方法綜述41-44
• 3.2.1 時(shí)域分析方法41-42
• 3.2.2 頻域分析方法42
• 3.2.3 時(shí)頻分析方法42-44
• 3.3 表面肌電信號(hào)的小波特征提取44-53
• 3.3.1 小波變換的基本理論44-45
• 3.3.2 常用的小波函數(shù)及選擇45-47
• 3.3.3 Mallat算法47-49
• 3.3.4 數(shù)據(jù)段分割技術(shù)49
• 3.3.5 小波特征的提取方法49-53
• 3.4 本章小結(jié)53-54
• 第四章 基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的下肢肌電信號(hào)處理54-66
• 4.1 人工神經(jīng)網(wǎng)絡(luò)與模式識(shí)別概述54-57
• 4.1.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介54-56
• 4.1.2 模式識(shí)別概述56
• 4.1.3 神經(jīng)網(wǎng)絡(luò)模式識(shí)別的特點(diǎn)56-57
• 4.2 Elman神經(jīng)網(wǎng)絡(luò)57-59
• 4.2.1 Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)57-58
• 4.2.2 Elman 神經(jīng)網(wǎng)絡(luò)算法58-59
• 4.3 遺傳算法的基本理論59-62
• 4.3.1 遺傳算法的基本組成59-60
• 4.3.2 遺傳算法的運(yùn)算過程及關(guān)鍵問題60-62
• 4.4 遺傳算法優(yōu)化 Elman 神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)62-65
• 4.4.1 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)62-63
• 4.4.2 實(shí)驗(yàn)結(jié)果63-65
• 4.5 本章小結(jié)65-66
• 第五章 基于 HMM 的下肢表面肌電信號(hào)模式識(shí)別的研究66-80
• 5.1 HMM 的基本原理66-68
• 5.1.1 馬爾可夫模型66-67
• 5.1.2 HMM 的基本概念67
• 5.1.3 HMM 的結(jié)構(gòu)組成67-68
• 5.2 HMM 經(jīng)典算法分析68-74
• 5.2.1 HMM 的三個(gè)基本問題68-69
• 5.2.2 HMM 的三個(gè)基本算法69-74
• 5.3 HMM 的類型及算法實(shí)現(xiàn)中的問題74-75
• 5.3.1 HMM 的基本類型74
• 5.3.2 HMM 算法實(shí)現(xiàn)中出現(xiàn)的問題74-75
• 5.4 基于 HMM 的下肢 SEMG 模式識(shí)別75-78
• 5.4.1 特征提取75
• 5.4.2 基于 HMM 的 SEMG 狀態(tài)識(shí)別75-77
• 5.4.3 實(shí)驗(yàn)結(jié)果與分析77-78
• 5.5 本章小結(jié)78-80
• 第六章 結(jié)論80-82
• 參考文獻(xiàn)82-86
• 攻取學(xué)位期間所取得的相關(guān)科研成果86-88
• 致謝88

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁祥峰;孫怡寧;孫啟柱;;表面肌電檢測(cè)中消除工頻干擾的方法[J];北京生物醫(yī)學(xué)工程;2006年01期

2 李祥兵;肖合林;;基于Matlab的小波閾值折衷去噪算法研究[J];電腦開發(fā)與應(yīng)用;2009年06期

3 加玉濤;羅志增;;肌電信號(hào)特征提取方法綜述[J];電子器件;2007年01期

4 齊敏;黃世震;;基于Matlab的小波去噪算法研究[J];電子器件;2012年01期

5 孫全玲;李瑩瑩;;遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究[J];福建電腦;2006年11期

6 徐俊波,許慶國,周傳光,趙文;反饋神經(jīng)網(wǎng)絡(luò)進(jìn)展[J];化工自動(dòng)化及儀表;2003年01期

7 王東巖;李慶玲;杜志江;孫立寧;葉騰茂;;小波分析在表面肌電信號(hào)(sEMG)研究中的應(yīng)用[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2008年04期

8 楊健群,劉秉正,彭建華,馬治家;表面肌電的非線性動(dòng)力學(xué)初步分析[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;1999年03期

9 孫承奎;葉明;梅品高;;基于最優(yōu)小波包分析的肌電信號(hào)消噪[J];機(jī)電工程;2008年08期

10 洪曉明;葉明;孟明;;一種新的閾值方法在肌電信號(hào)消噪中的應(yīng)用[J];機(jī)電工程;2009年10期

  本文關(guān)鍵詞：基于表面肌電信號(hào)的下肢運(yùn)動(dòng)模式識(shí)別的研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：293123