發(fā)布時間：2023-08-14 19:13

　　表面肌電信號(Surface Electromyography,sEMG)是由表面電極從肌肉表面獲取的生物電信號,因其無創(chuàng)性、采集便捷、包含肌肉收縮的生理信息而被廣泛應用于上肢假肢控制領域。從sEMG信號中準確地識別出上肢體的手勢動作模式,是肌電假手進行準確控制的關鍵。目前對sEMG手勢識別的研究取得了較大成功,但在日常使用中穿戴假肢套筒導致的電極移位問題會造成數(shù)據(jù)分布發(fā)生改變,從而顯著降低手勢識別的準確性。大量研究已經(jīng)證實,電極移位是影響肌電假手手勢識別魯棒性的關鍵因素。因此研究電極移位下手勢識別的魯棒算法具有重要的意義。目前針對電極移位的算法主要利用電極移位后新收集的樣本來校準分類器。雖然校準方法能夠保持系統(tǒng)的準確性,但是收集新標記樣本對于用戶而言是非常不方便且耗時的。而不使用新標記樣本的方法,在電極移位對數(shù)據(jù)分布改變顯著時,無法保持其準確性。因此本文深入分析了電極移位對數(shù)據(jù)分布的影響,基于獲取少量無標記新樣本的前提下,通過分析電極移位前后數(shù)據(jù)的分布關聯(lián)性及特征關系,提出了基于分布映射的多分類器加權結合方法及無監(jiān)督域適應方法,有效地運用電極移位前的數(shù)據(jù)來輔助模型對電極移位后數(shù)據(jù)的學...

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 肌電假肢控制的研究現(xiàn)狀
        1.2.2 sEMG手勢識別的研究現(xiàn)狀
        1.2.3 針對電極移位問題的研究現(xiàn)狀
    1.3 本文主要研究內容
    1.4 本文組織結構
第二章 背景知識
    2.1 表面肌電信號(sEMG)
        2.1.1 sEMG的產生及特點
        2.1.2 基于sEMG手勢識別的肌電控制
    2.2 電極移位
        2.2.1 電極移位的產生
        2.2.2 電極移位的影響
    2.3 相關機器學習方法概述
        2.3.1 機器學習方法類型
        2.3.2 在線半監(jiān)督多通道生長型神經(jīng)氣OSSMGNG
        2.3.3 線性判別分析LDA
        2.3.4 多層神經(jīng)網(wǎng)絡MLP
    2.4 本章小結
第三章 針對電極移位的sEMG手勢識別在線半監(jiān)督學習方法
    3.1 基本概述
    3.2 在線半監(jiān)督學習模型
    3.3 實驗驗證
        3.3.1 實驗設定
        3.3.2 實驗結果和分析
    3.4 本章小結
第四章 基于分布映射的多分類器加權結合方法
    4.1 基本概述
    4.2 基于分布映射的多分類器加權結合方法
        4.2.1 分布映射的學習
        4.2.2 加權分類器的學習
        4.2.3 數(shù)據(jù)分布評估及分類
    4.3 實驗驗證
        4.3.1 實驗設定
        4.3.2 實驗結果和分析
    4.4 本章小結
第五章 針對電極移位的sEMG手勢識別無監(jiān)督域適應方法
    5.1 基本概述
    5.2 基于LDA的無監(jiān)督域適應方法
        5.2.1 基準類的選擇
        5.2.2 非基準類分布參數(shù)的估計
        5.2.3 LDA分類器的校準
    5.3 實驗驗證
        5.3.1 實驗設定
        5.3.2 實驗結果和分析
    5.4 本章小結
總結與展望
參考文獻
攻讀碩士學位期間取得的研究成果
致謝
附件



本文編號：3841897