基于表面肌电信号的人手动作模式识别和抓取力预测技术研究

发布时间：2017-08-07 18:06

  本文关键词：基于表面肌电信号的人手动作模式识别和抓取力预测技术研究

  更多相关文章： 表面肌电信号 模式识别 SVM 力预测 样本熵

【摘要】：表面肌电信号(surface electromyography,sEMG)是由肌肉兴奋时募集的多个运动单元产生的动作电位在表面电极处的综合叠加。目前,基于sEMG的智能假肢已成为研究热点。遗憾的是,大部分的研究都倾向于识别人手动作模式,却很少对假肢手抓取物体时所应该施加的力进行预测估计,从而难以研制出更加精确抓取任务的智能假肢手。本文的目的在于探索一种基于sEMG的手部抓取动作识别以及抓取力预测的方法,本文研究的主要内容有:(1)在采用6阶巴特沃斯带通滤波与快速独立成分分析(FastICA)相结合的方法对sEMG进行预处理的基础上;采用小波包结合样本熵的特征提取方法得到sEMG的标准样本熵(SSE)特征;然后采用SVM模型分类器进行基于两通道与四通道sEMG的抓取动作模式识别。(2)分别在随意与规定抓取模式下,选取sEMG的标准样本熵为特征,采用AGA--SVR预测模型进行抓取力预测实。预测精度优于传统的采用sEMG幅值或MAV特征进行抓取力预测。(3)设计了基于MATLAB-GUI的实验平台,详细分析了抓取模式识别和抓取力预测的精度,验证了本文方案的可行性:在基于sEMG手部抓取动作识别平台进行验证实验,结果得出基于两通道的4种抓取动作模式的正确识别率大于92%,进一步的交叉验证试验结果的最低识别率为90%,验证了该分类器的良好性能;基于四通道的实验结果得到每种抓取动作模式的正确识别率均大于96%,表明适当增加电极的个数所得正确识别率有所提高。在随意抓取模式下基于二通道的力预测实验结果表明sEMG的幅值能够反映抓取力大小的变化;AGA--SVR预测模型的回归精度优于BP算法预测模型;基于四通道的力预测实验结果表明其预测精度优于基于两通道的力预测。在规定抓取模式下基于四通道的力预测实验结果表明其力预测的精度优于随意抓取模式下的力预测;采用基于四通道sEMG的MAV特征进行力预测的精度要优于直接用sEMG的幅值进行力预测,而采用sEMG的SSE特征进行力预测的精度则又优于用sEMG的MAV特征进行力预测。实验结果表明,采用手臂的sEMG信号不仅能够识别出手部动作模式种类,还能预测出抓取力的大小,该研究有助于研发能够完成精确抓取任务的肌电假肢手。
【关键词】：表面肌电信号 模式识别 SVM 力预测 样本熵
【学位授予单位】：上海师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R496;TN911.7
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-15
• 1.1 选题的背景及意义8
• 1.2 基于表面肌电信号手部抓取动作模式识别国内外研究进展8-11
• 1.2.1 表面肌电信号的采集及预处理和特征提取研究现状8-10
• 1.2.2 表面肌电信号的手部抓取动作模式识别研究现状10-11
• 1.3 基于sEMG手部抓取动作模式的力预测研究现状11-12
• 1.3.1 基于sEMG手部抓取动作模式的力采集及预处理研究现状11
• 1.3.2 基于sEMG手部抓取动作模式的力预测方法研究现状11-12
• 1.4 本文课题研究的主要内容和结构安排12-15
• 1.4.1 本文主要研究内容12-14
• 1.4.2 本文结构安排14-15
• 第2章 获取人手动作sEMG及预处理15-31
• 2.1 sMEG信号采集系统及实验设置15-18
• 2.2 sEMG信号的采集与整理18-20
• 2.3 sEMG信号预处理流程20-27
• 2.3.1 sEMG的噪声源分析20-21
• 2.3.2 六阶Butterworth带通滤波处理21-22
• 2.3.3 快速独立成分分析（FastICA）算法22-27
• 2.4 sMEG信号活动段检测27-30
• 2.5 本章小结30-31
• 第3章 基于sEMG的人手动作模式识别技术31-42
• 3.1 sEMG特征提取及分析31-34
• 3.2 标准样本熵（SSE）特征34-37
• 3.3 人手动作模式识别算法及分类器37-41
• 3.3.1 常用模式识别分类器37-38
• 3.3.2 支持向量机（SVM）的算法建模38-41
• 3.4 本章小结41-42
• 第4章 基于sEMG的人手抓取力预测技术42-51
• 4.1 抓取力信号提取42-45
• 4.1.1 采集设备及实验设置42-44
• 4.1.2 抓取力采集及其预处理44-45
• 4.2 抓取力预测的sEMG特征选择45-47
• 4.3 基于sEMG的抓取力预测模型47-50
• 4.3.1 抓取力预测模型的选择47-48
• 4.3.2 AGA- -SVR抓取力预测回归模型48-50
• 4.4 本章小结50-51
• 第5章 实验研究与结果分析51-64
• 5.1 基于sEMG抓取动作模式识别51-56
• 5.1.1 MATLAB-GUI抓取动作模式识别平台51-52
• 5.1.2 四种人手动作识别结果及结论52-56
• 5.2 抓取力预测结果分析56-63
• 5.2.1 MATLAB-GUI抓取力预测平台56-57
• 5.2.2 随意抓取模式下力预测57-59
• 5.2.3 规定抓取模式下力预测59-63
• 5.3 本章小结63-64
• 第6章 本文的结论与展望64-67
• 6.1 主要结论总结64-65
• 6.2 展望未来工作65-67
• 参考文献67-71
• 攻读学位期间取得的研究成果71-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 郝冬梅;吴水才;;医学模式识别课程建设的探索[J];医学信息;2010年03期

2 相秉仁,安登魁;模式识别及其在药物分析中的应用[J];国外医学.药学分册;1983年04期

3 苏薇薇;;模式识别及其在药物分析领域的应用[J];广东医药学院学报;1989年02期

4 蒋有铭,张海云,崔健,沈霖霖,盛今惠;汉语元音自回归模型的模式识别[J];生物医学工程学杂志;1991年03期

5 申明金;;广义回归神经网络用于拮抗药化合物活性的模式识别[J];数理医药学杂志;2006年04期

6 邓原成;模式识别在结肠电图分析中的应用[J];北京生物医学工程;1992年03期

7 赵宇新,李曼玲;模式识别在中药质量评价中的应用进展[J];中国中药杂志;2002年11期

8 王尔华,姚启根,彭司勋;模式识别法及其在药物设计中的应用[J];国外医学.药学分册;1983年02期

9 苏薇薇,何春馥,王玺,罗旭;中药黄芩的化学模式识别[J];沈阳药学院学报;1988年02期

10 肖薏,王旭;计算机在医学模式识别中的应用[J];医学情报工作;1995年05期

中国重要会议论文全文数据库 前10条

1 张如浩;赵巍;齐永和;;人类形象思维模式识别与机器模式识别之探讨[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

2 李瑞宏;李薄山;肖薇;;模式识别与病毒对抗[A];第十一届全国计算机安全技术交流会论文集[C];1996年

3 王筝;杨德超;高军涛;许翱翔;欧阳楷;;兔嗅觉神经的动力学研究——模式识别的稳健性[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年

4 吴晓明;盛元生;王克明;沙云东;李宴喜;;航空结构声疲劳应力的仿真与模式识别[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 张开银;;模式识别中的信息融合方法——二次决策[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 赵健;俞卞章;;小波与神经网络在模式识别中应用的研究[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

7 崔建国;王旭;张大千;王少曼;张威;;基于磁场刺激与神经网络肌电信号的模式识别[A];第三届全国信息获取与处理学术会议论文集[C];2005年

8 ;红外偏振图像的模式识别[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 李永杰;李凌;廖小丽;陈华富;尧德中;;在生物医学工程专业本科生中开设《模式识别》课程的实践与构想[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（下册）[C];2007年

10 尹春玲;胡乐乾;蔡玉乐;张海艳;;红外光谱法对茶叶种类的模式识别[A];中国化学会第十二届全国应用化学年会论文集[C];2011年

中国重要报纸全文数据库 前7条

1 陈瑜邋唐婷;让计算机会看、会听、会说、会思考[N];科技日报;2007年

2 范兴川 郑华坤;计算机形象思维创新之路[N];科技日报;2004年

3 记者 吴苡婷;心愿：让高科技走出“象牙塔”[N];上海科技报;2006年

4 本报记者 佘惠敏;模式识别，行走在电脑与人脑之间[N];经济日报;2014年

5 张琪;当机器抢了你的工作[N];经济观察报;2012年

6 记者 邵斌;汉语走上国际口语自动翻译平台[N];大众科技报;2000年

7 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年

中国博士学位论文全文数据库 前10条

1 罗颂荣;基于变量预测模型模式识别的旋转机械故障诊断研究[D];湖南大学;2015年

2 厉小润;模式识别的核方法研究[D];浙江大学;2007年

3 赵海峰;基于图的模式识别及其在计算机视觉中的应用[D];南京理工大学;2011年

4 肖潇;高维仿生信息几何学研究及其在模式识别中的应用[D];浙江工业大学;2012年

5 颜学峰;高维复杂模式识别的新方法[D];浙江大学;2002年

6 丁世飞;基于信息理论的数字模式识别及应用研究[D];山东科技大学;2004年

7 万海平;模式识别中核方法若干问题研究[D];北京邮电大学;2006年

8 陈文涛;烟草异物在线高速模式识别与剔除技术研究[D];重庆大学;2003年

9 蒋强荣;图核及其在模式识别中应用的研究[D];北京工业大学;2012年

10 胡文军;关于模式识别中大样本分类技术的几个关键问题研究[D];江南大学;2012年

中国硕士学位论文全文数据库 前10条

1 代慧梅;基于模式识别的科学数据标记方法研究[D];昆明理工大学;2016年

2 郭玉;基于仿生模式识别的机械故障诊断方法研究[D];西安工业大学;2016年

3 忽正熙;基于模式识别与机器视觉工件的识别及分拣[D];昆明理工大学;2016年

4 李潇亚;改进的GABC-SVM及其在MOOC学习模式识别中的应用[D];华南理工大学;2016年

5 梁富鑫;基于表面肌电信号的人手动作模式识别和抓取力预测技术研究[D];上海师范大学;2016年

6 徐蕾;仿生模式识别应用研究[D];中国海洋大学;2008年

7 贾士力;模式识别在生物信息学中的应用[D];河北科技大学;2015年

8 王宪保;基于仿生模式识别的人脸身份确认研究[D];浙江工业大学;2003年

9 韩萍;仓储物害虫声音模式识别的研究[D];郑州大学;2001年

10 倪兵兵;仿生模式识别的几何学习理论的研究[D];五邑大学;2010年

，

本文编号：635973