人体手部动作肌电信号的处理与识别研究

发布时间：2017-06-14 09:01

  本文关键词：人体手部动作肌电信号的处理与识别研究，，由笔耕文化传播整理发布。

【摘要】：表面肌电信号(surface electromyogram,s EMG)是肢体运动时对应肌肉收缩所产生的通过表面电极与相关仪器记录下来的能够反映人体运动特征的一种复杂微弱的生物电信号。随着社会的发展和生活质量的提高,以智能康复功能为代表的新型医疗系统的需求越来越大,而通过表面肌电信号对人体运动信息和运动意图进行准确的判断识别是建立此类康复医疗系统的重要一环。本文旨在对人体手部动作的肌电信号进行系统的研究,以达到对手部不同动作的准确识别,主要工作如下:(1)首先,分析表面肌电信号的产生机理;对表面肌电信号的一些普遍特点进行了介绍;确定了手部动作的选择与电极的摆放位置;选择了合适的软硬件搭建了表面肌电信号的采集系统;完成了对手部四种常见动作模式下两路表面肌电信号的采集实验。(2)其次,为了有效地提取噪声背景下的表面肌电信号,采用将经验模态分解(EMD)和小波阈值相结合的方法对表面肌电信号进行去噪。先运用EMD将采集的表面肌电信号自适应性地分解成为一系列频率成分各不相同的固有模态函数(IMF)之和,然后对高频含噪的IMF采用小波阈值去噪,最后将去噪处理后的IMF和所有未处理的IMF进行拟合,拟合后的信号即为经EMD小波阈值去噪所得的表面肌电信号。实验证明采用基于EMD小波阈值的表面肌电信号去噪方法融合了EMD与小波阈值的优点,有更好的去噪效果。(3)第三,计算去噪后表面肌电信号的时域特征、频域特征和时频域特征并进行了对比分析,确定了由典型的时频域分析法中的小波变换来提取其特征,提取四种动作表面肌电信号小波系数绝对值的最大值构成特征向量。(4)最后,利用支持向量机对四种手部动作的肌电信号进行分类识别,在分类过程中利用人工鱼群算法对支持向量机的参数进行优化调整,以选择最优的参数组合,提高支持向量机的识别精度。仿真结果表明,运用该方法较传统的方法具有更高的识别率。
【关键词】：表面肌电信号 去噪 特征提取 模式识别 人工鱼群算法
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R496;TN911.7
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-16
• 1.1 本课题研究的背景与意义9-10
• 1.2 国内外研究现状10-14
• 1.2.1 表面肌电信号去噪的研究概况10-11
• 1.2.2 表面肌电信号特征提取的研究概况11-12
• 1.2.3 表面肌电信号模式识别的研究概况12-14
• 1.2.4 总结14
• 1.3 本文主要的研究内容14
• 1.4 本文结构安排14-16
• 第二章 表面肌电信号的采集实验设计16-25
• 2.1 表面肌电信号的产生机理16
• 2.2 表面肌电信号的特点分析16-17
• 2.3 表面肌电信号的采集17-24
• 2.3.1 系统的构成17-19
• 2.3.2 动作姿态的规划19-20
• 2.3.3 电极位置的选择20
• 2.3.4 表面肌电信号的采集实验20-24
• 2.3.5 表面肌电信号采集注意事项24
• 2.4 本章小结24-25
• 第三章 表面肌电信号的去噪研究25-36
• 3.1 噪声来源分析25
• 3.2 小波阈值去噪25-28
• 3.3 EMD滤波去噪28-31
• 3.3.1 EMD分解基本原理28-29
• 3.3.2 EMD滤波分析29-31
• 3.4 基于EMD小波阈值去噪31-32
• 3.5 信号去噪效果评估标准32
• 3.6 实验及结果分析32-34
• 3.7 本章小结34-36
• 第四章 表面肌电信号的特征提取36-44
• 4.1 时域特征提取36-38
• 4.2 频域特征提取38-40
• 4.3 时频域特征提取40-43
• 4.4 本章小结43-44
• 第五章 基于支持向量机的表面肌电信号识别及其优化44-57
• 5.1 模式识别概述44
• 5.2 SVM原理44-49
• 5.2.1 SVM概述44-45
• 5.2.2 SVM分类原理45-47
• 5.2.3 核函数47-48
• 5.2.4 SVM分类方法48-49
• 5.3 SVM的参数选择49
• 5.4 人工鱼群优化算法寻优原理49-53
• 5.4.1 人工鱼群算法概述49
• 5.4.2 鱼群四种行为描述49-52
• 5.4.3 人工鱼群算法（AFSA）寻优流程52-53
• 5.5 人工鱼群优化SVM（AFSVM）参数53-54
• 5.6 实验与结果分析54-56
• 5.6.1 实验数据基础54
• 5.6.2 模型的建立以及实验与结果分析54-56
• 5.7 本章小结56-57
• 第六章 结论与展望57-59
• 6.1 主要结论57
• 6.2 展望57-59
• 参考文献59-64
• 攻读研究生期间参与的研究成果64-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 杨基海,钟展辉,李峪峻,周平,陈香,娄智;肌电信号分解的一种方法(英文)[J];中国科学技术大学学报;2000年01期

2 李芳,王人成;肌电信号及其运动模式辨识方法的发展趋势[J];中国康复医学杂志;2005年07期

3 杨广映,罗志增;小波变换在肌电信号预处理中的应用[J];杭州电子科技大学学报;2005年01期

4 赵京东;刘英涛;姜力;高晓辉;;采用肌电信号控制残疾人假手的研究[J];机械制造;2006年09期

5 肖毅;陈善广;王春慧;;基于熵理论和复杂度的肌电信号分析[J];科技导报;2009年21期

6 李醒飞;朱嘉;杨晶晶;张国雄;卢志扬;;基于肌电信号的人手运动状态的辨识[J];中国生物医学工程学报;2007年02期

7 许栋岳;李克勇;;肌电信号的特征分析方法及其应用[J];现代生物医学进展;2010年13期

8 林彩娜;马超;伍少玲;燕铁斌;;不同步行方式下正常人腰腹肌肌电信号分析[J];中国康复医学杂志;2012年01期

9 杨福生;;肌电信号的处理[J];国外医学(生物医学工程分册);1987年02期

10 李玲华;;体表肌电信号的处理进展[J];国外医学.生物医学工程分册;1996年02期

中国重要会议论文全文数据库 前10条

1 周萌;沈钧贤;童秉纲;尹协振;;鲫鱼肌电信号测量研究[A];庆祝中国力学学会成立50周年暨中国力学学会学术大会’2007论文摘要集（下）[C];2007年

2 张小栋;;肌电信号的检测与处理技术研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

3 路国华;杨芳;;肌电信号中心电噪声的自适应滤波[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

4 何乐生;胡耀航;王威廉;;基于精确起始时刻同步的肌电信号动作识别方法[A];2010中国仪器仪表与测控技术大会论文集[C];2010年

5 潘惠娟;;表面肌电的基本原理和研究进展[A];第十七届中国内镜医师大会论文集[C];2007年

6 吴浩浩;罗志增;;基于肌电信号信号轮廓DTW的手部动作识别方法[A];第七届全国康复医学工程与康复工程学术研讨会论文集[C];2010年

7 王耀兵;季林红;黄靖远;;康复训练过程中上肢运动肌电信号特征的对比分析[A];继往开来 与时俱进——2003年康复医学发展论坛暨庆祝中国康复医学会成立20周年学术大会论文集[C];2003年

8 马丽;侯文生;郑小林;彭承琳;许蓉;;握力水平与前臂肌肉sEMG信号复杂度的相关性研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

9 杨义勇;王人成;金德闻;黄昌华;;上肢肘关节受扰运动过程的肌电信号幅值变化和功率谱分析[A];中国康复医学会第四届会员代表大会暨第三届中国康复医学学术大会论文汇编[C];2001年

10 陈玲玲;杨鹏;王辉;郭欣;;基于HMM和SVM的下肢肌电信号处理[A];2005年中国智能自动化会议论文集[C];2005年

中国博士学位论文全文数据库 前8条

1 赵汗青;面向人工假肢的表面肌电信号人手抓取动作研究[D];哈尔滨理工大学;2016年

2 任小梅;基于临床诊断肌电信号的自动分解算法及研究[D];上海交通大学;2006年

3 吴剑锋;基于肌电信号的人体下肢运动信息获取技术研究[D];浙江大学;2008年

4 颜志国;基于粗糙集和支持向量机的表面肌电特征约简和分类研究[D];上海交通大学;2008年

5 姜苇;子宫肌电信号的分析与子宫收缩机理的研究[D];天津大学;2004年

6 杨志家;体表肌电信号中疲劳信息提取方法的研究[D];浙江大学;1999年

7 李阳;智能仿生手臂肌电信号—运动模型化与模式识别理论方法研究[D];吉林大学;2012年

8 陈歆普;基于肌电信号的多模式人机接口研究[D];上海交通大学;2011年

中国硕士学位论文全文数据库 前10条

1 陈雄彬;表面肌电信号采集与处理器设计[D];华南理工大学;2015年

2 马静云;康复运动中表面肌电信号分析方法研究[D];燕山大学;2015年

3 魏秀利;基于脑肌电反馈的虚拟康复系统研究[D];燕山大学;2015年

4 张琳琳;毫伏级生物电信号采集装置的设计与实现[D];兰州交通大学;2015年

5 李娜;基于语音与肌电信号融合的假肢校验模式控制研究[D];武汉工程大学;2015年

6 曹晓鹏;异肢肌电信号控制肢体运动功能重建的算法与硬件实现[D];东南大学;2015年

7 兰婷;便携式八通道肌电信号仿生手控制系统[D];电子科技大学;2016年

8 刘勇;基于肌电信号模式识别的假肢控制研究[D];南通大学;2015年

9 洪洁;人体手部动作肌电信号的处理与识别研究[D];安徽工业大学;2016年

10 刘英涛;多自由度残疾人假手机构设计及肌电信号控制[D];哈尔滨工业大学;2006年

  本文关键词：人体手部动作肌电信号的处理与识别研究，由笔耕文化传播整理发布。

本文编号：449009