基于表面肌电信号的人体摔倒预测方法研究

发布时间：2021-03-11 16:00

　　近年来,社会老龄化愈发普遍,老年人的健康问题逐渐成为社会关注的热点。摔倒是老年人群体中的高发性事件,严重威胁着老年人的身心健康。摔倒发生后,如果能够及时的检测到,并发出求救信号可以加快医疗救护赶到的步伐,为老人争取宝贵的时间。为此,国内外研究人员进行了大量的相关研究。但摔倒已然发生,伤害也已经造成,因此,另一研究方向—摔倒预测逐渐发展起来。摔倒预测的核心问题是在摔倒发生后,身体开始失去平衡到身体与地面发生碰撞的这段时间内检测出摔倒,从而为打开保护装置争取时间,避免或减轻因碰撞造成的伤害,并且与日常活动区分开来。表面肌电（surface electromyography,sEMG）信号是一种重要的电生理信号,反映了人体动作时肌肉的活动意图和状态,蕴含了很多与肢体运动相关联的信息。本研究以sEMG信号作为信号源,提出基于sEMG信号的摔倒预测方法,主要工作如下:（1）研究下肢肌肉块在人体活动中的作用,确定影响行走稳定性的主要肌肉,为信号采集位置提供依据;成功采集20名受试者摔倒和日常活动中下肢sEMG信号,完成数据采集工作;为提高识别准确率,对原始sEMG信号进行预处理,降噪、分割,为后续... 

【文章来源】：河北大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

MR3软件设置系统参数

电极片及其他材料

Motive软件

【参考文献】：
期刊论文
[1]基于深度卷积神经网络的帕金森步态识别[J]. 王金甲,刘青玉,陈浩.  中国生物医学工程学报. 2017(04)
[2]人体步态滑跌过程中的下肢表面肌电特性研究[J]. 苏海龙,许兆健,张峻霞,张琰.  中国生物医学工程学报. 2017(02)
[3]基于多路sEMG时序分析的人体运动模式识别方法[J]. 佟丽娜,侯增广,彭亮,王卫群,陈翼雄,谭民.  自动化学报. 2014(05)
[4]基于时序分析的人体摔倒预测方法[J]. 佟丽娜,宋全军,葛运建.  模式识别与人工智能. 2012(02)
[5]老年人跌倒与平衡及步态异常[J]. 刘元标,励建安.  中国康复理论与实践. 2012(01)
[6]基于加速计与表面肌电传感器信息融合的手语识别方法[J]. 李云,陈香,张旭,赵章琰,杨基海.  航天医学与医学工程. 2010(06)
[7]基于贝叶斯分类研究肌肉动作模式识别方法[J]. 杨广映,罗志增.  杭州电子科技大学学报. 2005(05)
[8]具有触觉和肌电控制功能的仿生假手研究[J]. 罗志增,王人成.  传感技术学报. 2005(01)
[9]肌电信号的拾取和预处理[J]. 罗志增,任晓亮.  传感技术学报. 2004(02)

硕士论文
[1]基于表面肌电信号的手部动作识别方法研究[D]. 郝沙沙.河北大学 2018
[2]人体步态信息及运动重心轨迹检测方法研究[D]. 杨志方.河北大学 2018
[3]融合肌电信息的人体踝关节三维活动度量化方法研究[D]. 张云超.河北大学 2018
[4]肌肉—关节模型在人体动态平衡建模中的应用[D]. 焦立伟.河北大学 2017
[5]职业性下腰痛患者核心肌群的功能分析及应用研究[D]. 高俊敏.河北大学 2016
[6]基于深度卷积神经网络的手势识别研究[D]. 陈祖雪.陕西师范大学 2016
[7]基于表面肌电信号的人体行走模式识别[D]. 温倩.河北工业大学 2015
[8]人体运动检测系统设计与摔倒预测方法研究[D]. 周晴.华东师范大学 2014
[9]基于直方图和频谱的表面肌电信号处理[D]. 周炜.杭州电子科技大学 2009



本文编号：3076708