基于sEMG的动作识别在上肢康复训练中的应用研究

发布时间：2021-01-12 02:19

　　目前,我国由于疾病、意外事故及老龄化造成人体上肢功能障碍者已超1亿人,利用上肢康复机器人辅助上肢康复训练问题日益得到广泛关注。为增加患者在康复训练阶段主动参与度,基于sEMG信号的动作识别成为康复机器人辅助上肢康复训练的研究焦点。然而,目前基于sEMG的上肢动作识别的研究存在识别动作简单（单关节动作）、动作识别种类少（4-8种）、没有在线验证等问题。为解决以上问题,本论文通过对8通道sEMG数据的采集、预处理、特征提取与融合、识别分类等过程,实现14种多关节复杂上肢动作的离线识别,并将其算法用于M2上肢康复训练平台实现在线验证。本文主要研究工作如下:（1）sEMG数据采集。依据人体上肢关节主要动作及对应肌群分析,确定14种动作及8块肌肉,设计sEMG采集方案以获取高质量数据,并将采集结果按动作类别分类储存为csv格式。（2）s EMG数据预处理。在去噪方面,本论文提出复合小波去噪法,能同时有效去除sEMG中的高频噪声和基线漂移。通过分析小波去噪综合评价指标T用于sEMG中的不足,提出改进后的综合评价指标P,实验验证了P指标的有效性。将P指标用于评价小波变换阈值、小波变换数字滤波阈值以及... 

【文章来源】：曲阜师范大学山东省

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景与意义
    1.2 课题相关内容研究现状
        1.2.1 sEMG在上肢康复训练应用中的国内外研究现状
        1.2.2 动作识别种类及肌电信号采集通道数研究现状
        1.2.3 动作模式识别方法研究现状
        1.2.4 现存问题分析
    1.3 主要创新点、主要研究内容及章节安排
第2章 sEMG数据采集
    2.1 肌电信号的原理及特点
    2.2 采集动作及对应肌肉选择
    2.3 sEMG的采集
        2.3.1 肌电信号采集系统
        2.3.2 sEMG采集注意事项
        2.3.3 肌电数据采集实验设计
    2.4 本章小结
第3章 sEMG数据预处理
    3.1 sEMG去噪分析
        3.1.1 sEMG的噪声分析
        3.1.2 sEMG去噪理论
    3.2 传统小波去噪法
        3.2.1 小波变换阈值去噪法
        3.2.2 小波变换数字滤波阈值去噪法
    3.3 去噪效果评价指标P
    3.4 复合小波去噪法
        3.4.1 传统小波去噪实验分析
        3.4.2 复合小波去噪法及实验分析
    3.5 sEMG的有效信号段提取
    3.6 本章小结
第4章 sEMG特征提取与分析
    4.1 时域特征的提取
        4.1.1 特征分析窗口
        4.1.2 时域特征
        4.1.3 实验结果与分析
    4.2 频域特征的提取
        4.2.1 频域特征
        4.2.2 实验结果与分析
    4.3 时频域特征的提取
        4.3.1 时频域特征
        4.3.2 实验结果与分析
    4.4 熵特征提取
        4.4.1 单窗口与多窗口分析
        4.4.2 熵特征
        4.4.3 实验结果与分析
    4.5 本章小结
第5章 多特征融合与动作识别分类
    5.1 基于Fisher的特征判别分析与融合
        5.1.1 Fisher特征判别分析
        5.1.2 判别结果分析与特征融合
    5.2 支持向量机分类器
        5.2.1 SVM分类原理
        5.2.2 SVM多分类方法
    5.3 SVM的参数优化
        5.3.1 参数寻优法
        5.3.2 GS-SVM分类
        5.3.3 PSO-SVM分类
    5.4 离线实验结果与分析
        5.4.1 参数寻优实验分析
        5.4.2 多特征融合识别结果分析
    5.5 基于sEMG的动作识别在上肢康复训练平台的实验验证
        5.5.1 M2上肢康复训练平台
        5.5.2 基于上肢康复平台的实验方案与结果分析
    5.6 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
在读期间发表的学术论文及研究成果
致谢



本文编号：2971941