本文關(guān)鍵詞：基于表面肌電信號(hào)與加速度信號(hào)的跌倒檢測(cè)研究

  更多相關(guān)文章： 跌倒檢測(cè) 肌電信號(hào) 加速度信號(hào) 特征提取 信息融合 模式識(shí)別

【摘要】：近年來,隨著我國(guó)老年人口的快速度增長(zhǎng),跌倒對(duì)老年人造成的損害越來越得到社會(huì)的關(guān)注和重視,尋找一種快速、穩(wěn)定,可投入實(shí)際應(yīng)用的跌倒辨識(shí)方法成為了老年人跌倒研究的一個(gè)重要方向,這不僅能提高老年人生活質(zhì)量,并對(duì)構(gòu)建和諧社會(huì)起到促進(jìn)作用。本文采用下肢表面肌電信號(hào)(surface electromyography,sEMG)與軀體的三軸加速度信號(hào)相結(jié)合作為跌倒檢測(cè)的信號(hào)源,可以用來表征人體動(dòng)態(tài)動(dòng)作和行為隨時(shí)間變化產(chǎn)生的速度、生物電和空間運(yùn)動(dòng)軌跡的信息,從而實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)老年人姿態(tài)情況和跌倒發(fā)生與否,在發(fā)生跌倒時(shí)及時(shí)發(fā)出報(bào)警以便救助,降低跌倒給老年人造成的傷害。本文所做工作如下:(1)簡(jiǎn)單介紹目前國(guó)內(nèi)外的研究現(xiàn)狀,并提出本文基于sEMG和加速度信號(hào)的跌倒檢測(cè)方法。(2)探討肌電信號(hào)的降噪方法。由于肌電信號(hào)本身特性,采集過程中極易加入噪聲,本文根據(jù)肌電信號(hào)特點(diǎn)提出了一種新的基于EMD自相關(guān)的降噪方法。(3)研究sEMG和加速度信號(hào)特征提取方法。驗(yàn)證了排列組合熵作為sEMG特征提取方法的有效性,并通過小波包排列組合熵進(jìn)一步改善特征分類。(4)研究用于跌倒檢測(cè)時(shí)人體活動(dòng)時(shí)軀體加速度信號(hào)的兩種特征提取方法:信號(hào)幅度向量(SMV)和信號(hào)幅度域(SMA),根據(jù)人體活動(dòng)規(guī)律,研究了人在日常生活中的軀體加速度變化特點(diǎn),最后通過實(shí)驗(yàn)驗(yàn)證了兩種信號(hào)特征熵分類的有效性。(5)針對(duì)支持向量機(jī)中懲罰參數(shù)c和核函數(shù)參數(shù)g難以選擇最優(yōu)的問題,提出采用交叉驗(yàn)證的粒子群算法優(yōu)化c和g,并與網(wǎng)格搜索和遺傳算法的參數(shù)尋優(yōu)進(jìn)行對(duì)比,提高了支持向量機(jī)的分類性能。(6)提出兩種新的跌倒識(shí)別方法。一種是通過多傳感器信號(hào)特征向量特征層的信息融合后,輸入SVM進(jìn)行跌倒識(shí)別。另一種是進(jìn)一步探究在多姿態(tài)識(shí)別情況下跌倒檢測(cè),即基于D-S證據(jù)理論的多分類SVM跌倒識(shí)別方法,該方法極大的提高了姿態(tài)動(dòng)作的識(shí)別率,也提高了在姿態(tài)識(shí)別情況下跌倒檢測(cè)的識(shí)別率。
【關(guān)鍵詞】：跌倒檢測(cè) 肌電信號(hào) 加速度信號(hào) 特征提取 信息融合 模式識(shí)別
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R318;TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-18
• 1.1 課題研究背景及意義11
• 1.2 國(guó)內(nèi)外跌倒識(shí)別研究現(xiàn)狀11-14
• 1.3 肌電信號(hào)研究14-16
• 1.3.1 肌電信號(hào)特征提取方法14-15
• 1.3.2 模式分類方法綜述15-16
• 1.4 加速度跌倒研究簡(jiǎn)介16-17
• 1.5 本文的內(nèi)容與結(jié)構(gòu)17
• 1.6 本章小結(jié)17-18
• 第2章 肌電信號(hào)與加速度信號(hào)的采集18-26
• 2.1 肌電信號(hào)的產(chǎn)生機(jī)理及特性18-19
• 2.2 肌電信號(hào)的獲取19-20
• 2.2.1 下肢典型肌肉的位置19
• 2.2.2 下肢典型肌肉的選擇19-20
• 2.3 下肢表面肌電信號(hào)的采集20-23
• 2.3.1 下肢表面肌電信號(hào)獲取系統(tǒng)20
• 2.3.2 sEMG信號(hào)采集方案20-21
• 2.3.3 sEMG信號(hào)采集結(jié)果21-23
• 2.4 加速度信號(hào)的采集23-25
• 2.5 本章小結(jié)25-26
• 第3章 表面肌電信號(hào)的降噪方法研究26-33
• 3.1 基于EMD的sEMG降噪方法26-29
• 3.1.1 經(jīng)驗(yàn)?zāi)B(tài)分解26-27
• 3.1.2 EMD自相關(guān)消噪原理27-28
• 3.1.3 基于噪聲統(tǒng)計(jì)特性的EMD自相關(guān)消噪方法28-29
• 3.2 實(shí)驗(yàn)分析29-31
• 3.2.1 基于EMD自相關(guān)降噪效果分析29-31
• 3.2.2 基于噪聲統(tǒng)計(jì)特性的EMD消噪方法31
• 3.3 本章小結(jié)31-33
• 第4章 肌電信號(hào)和加速度信號(hào)特征提取研究33-44
• 4.1 基于熵的肌電信號(hào)特征提取方法原理33-36
• 4.1.1 模糊熵原理33-34
• 4.1.2 近似熵原理34
• 4.1.3 排列組合熵原理34-35
• 4.1.4 小波包排列組合熵原理35-36
• 4.2 加速度信號(hào)的特征提取原理36
• 4.3 肌電信號(hào)和加速度信號(hào)特征提取分析36-43
• 4.3.1 實(shí)驗(yàn)過程36-37
• 4.3.2 表面肌電信號(hào)特征分析37-41
• 4.3.3 加速度信號(hào)特征分析41-43
• 4.4 本章小結(jié)43-44
• 第5章 基于肌電與加速度信號(hào)的跌倒識(shí)別44-58
• 5.1 支持向量機(jī)44-48
• 5.1.1 支持向量機(jī)基本原理44-46
• 5.1.2 參數(shù)尋優(yōu)方法46-48
• 5.2 信息融合方法48-51
• 5.2.1 信息融合方式48-49
• 5.2.2 基于SVM與D-S證據(jù)推理的信息融合方法49-51
• 5.3 實(shí)驗(yàn)分析51-57
• 5.3.1 實(shí)驗(yàn)過程51
• 5.3.2 分類性能的評(píng)價(jià)準(zhǔn)則51
• 5.3.3 基于肌電信號(hào)的SVM參數(shù)優(yōu)化算法的跌倒檢測(cè)51-53
• 5.3.4 基于肌電與加速度信號(hào)融合的跌倒檢測(cè)53-57
• 5.4 本章小結(jié)57-58
• 第6章 總結(jié)與展望58-60
• 6.1 工作總結(jié)58-59
• 6.2 研究展望59-60
• 致謝60-61
• 參考文獻(xiàn)61-67
• 附錄67

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前3條

1 謝永;劉盼;蔡國(guó)平;;基于加速度信號(hào)的柔性板的撓性參數(shù)辨識(shí)[J];力學(xué)學(xué)報(bào);2014年01期

2 陸凡東;方向;郭濤;陳勇;;EMD與SLS法在爆破振動(dòng)加速度信號(hào)時(shí)域積分中的應(yīng)用[J];振動(dòng)與沖擊;2012年09期

3 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 吳峰崎;孟光;;轉(zhuǎn)子故障加速度信號(hào)的全譜分析[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

2 張榮;王松;牛寶良;;加速度信號(hào)重建的幾種仿真方法比較[A];第十九屆測(cè)控、計(jì)量、儀器儀表學(xué)術(shù)年會(huì)(MCMI'2009)論文集[C];2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 劉賜民;無線動(dòng)態(tài)心電傳感終端設(shè)計(jì)[D];南京郵電大學(xué);2015年

2 賀延芳;城市軌道交通鋼軌病害檢測(cè)與識(shí)別研究[D];北京交通大學(xué);2016年

3 武昊;基于表面肌電信號(hào)與加速度信號(hào)的跌倒檢測(cè)研究[D];杭州電子科技大學(xué);2016年

4 劉燕;基于加速度信號(hào)的步態(tài)模式分類系統(tǒng)的研究[D];山西大學(xué);2009年

5 王聰;線性振動(dòng)臺(tái)控制系統(tǒng)加速度信號(hào)處理與摩擦問題研究[D];哈爾濱工業(yè)大學(xué);2010年

6 王曉波;基于步態(tài)加速度信號(hào)的身份認(rèn)證方法研究[D];山西大學(xué);2011年

，

本文編號(hào)：545878