基于sEMG的不同负载下手腕角度预测研究
发布时间：2022-07-02 11:02
在表面肌电信号（Surface Electromyography,s EMG）模式识别领域中,目前研究大部分聚焦在不同肢体的静态模式定性识别,主要是针对肢体特定的任务动作。但是在实际应用过程中,除了需要知道肢体的动作外,还需要了解负载强度的变化以及关节角度运动位置信息,传统的静态定性模式识别无法调整运动幅度以及负载强度,从而无法对关节角度进行精准预测。因此研究不同负载强度下的手腕角度连续预测具有重要的意义。针对以上问题,本文以手腕角度为研究对象,利用表面肌电信号与关节角度信号之间的相关性,以肌电特征以及神经网络为研究基础,开展手腕角度定量连续识别和不同负载下手腕角度预测研究,本文主要研究工作如下:（1）基于信噪比系数评价模型的表面肌电信号预处理。通过对表面肌电信号的特性进行分析,确定手腕角度表面肌电信号中可能混入的噪声,采用数字信号滤波算法,设计了comb notch（梳状）滤波器对工频噪声进行滤波处理。建立了信噪比系数评价模型,利用小波滤波算法对整个信号段数据进行信号降噪,实现了表面肌电信号的优化处理。（2）基于特征相关性的时频域特征组合。通过对时域以及频域特征进行逐步过滤处理,构建...
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 课题相关国内外研究现状
1.2.1 表面肌电信号特征提取研究现状
1.2.2 表面肌电信号模式识别研究现状
1.2.3 表面肌电信号关节角度研究现状
1.3 主要研究内容
第2章 不同负载下肌电信号的采集和预处理
2.1 不同负载下手腕肌电信号采集系统的构建
2.1.1 表面肌电信号的特性分析
2.1.2 表面肌电信号的采集系统
2.1.3 手腕角度采集方法
2.1.4 手腕表面肌电信号采集方案设计
2.2 不同负载下表面肌电信号预处理
2.2.1 梳状滤波器的设计
2.2.2 自适应小波降噪
2.3 本章小结
第3章 手腕表面肌电信号特征提取与组合
3.1 各种工况下的表面肌电信号
3.2 手腕表面肌电信号的特征提取
3.2.1 时域分析
3.2.2 频域分析
3.3 手腕表面肌电信号的特征组合方式
3.4 表面肌电信号特征降维
3.5 特征归一化处理
3.6 本章小结
第4章 不同负载下手腕角度的连续预测
4.1 基于GRNN的手腕角度预测
4.1.1 广义回归神经网络原理
4.1.2 广义回归神经网络结构设计
4.2 基于GA-ELM的手腕角度预测
4.2.1 极限学习机原理
4.2.2 极限学习机网络结构设计
4.2.3 遗传算法优化极限学习机
4.3 手腕角度预测结果及分析
4.3.1 不同负载下静态手腕离散角度识别
4.3.2 不同负载下手腕连续角度预测
4.3.3 不同周期下手腕连续角度预测
4.4 本章小结
第5章 全文总结与展望
5.1 全文总结
5.2 展望
致谢
参考文献
附录1 攻读硕士学位期间的成果
附录2 攻读硕士学位期间参加的科研项目
【参考文献】：
期刊论文
[1]基于两种改进阈值函数的表面肌电信号降噪研究[J]. 马东,杨铮,王立玲. 现代电子技术. 2020(01)
[2]人体表面肌电信号的时频域特征提取研究[J]. 任丽晔,邵宗明,徐冬蕾. 长春大学学报. 2019(10)
[3]基于小波变换的肌肉疲劳表面肌电信号特征提取的研究[J]. 宋方禹,刘烨辉,朱立华,朱峻岭,亓勤德,朱江. 生物医学工程研究. 2019(01)
[4]肌电信号选择对下肢关节连续运动估计的影响[J]. 李文锋,余志刚,胡心韵. 机械设计与制造. 2019(03)
[5]基于下肢表面肌电信号的动作模式识别研究[J]. 范光辉,葛科铎,王璐,谢能刚. 齐齐哈尔大学学报(自然科学版). 2018(06)
[6]采用优化神经网络的下肢肌电信号的识别[J]. 王光旭,崔建松,张庆光,张培培. 厦门理工学院学报. 2018(01)
[7]基于SOA-ELM的手部动作识别方法实验研究[J]. 孟瑞,岑豫皖,王璐,葛科铎,朱兴江. 安徽工业大学学报(自然科学版). 2017(03)
[8]肘关节屈运动相关肌肉表面肌电信号研究[J]. 何小耀,韦宇炜,何汉武,王俊华,曾科学. 工程技术研究. 2016(07)
[9]基于多源信息和广义回归神经网络的下肢运动模式识别[J]. 刘磊,杨鹏,刘作军. 机器人. 2015(03)
[10]下肢康复机器人及其交互控制方法[J]. 胡进,侯增广,陈翼雄,张峰,王卫群. 自动化学报. 2014(11)
硕士论文
[1]基于遗传算法优化极限学习机的房地产税基批量评估研究[D]. 侯晨.青岛理工大学 2018
[2]应用sEMG评估手功能支具在脑卒中腕手功能障碍的作用研究[D]. 王桂丽.福建中医药大学 2017
[3]极限学习机结构优化及其应用研究[D]. 孙鑫.广西大学 2014
本文编号：3654248
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 课题相关国内外研究现状
1.2.1 表面肌电信号特征提取研究现状
1.2.2 表面肌电信号模式识别研究现状
1.2.3 表面肌电信号关节角度研究现状
1.3 主要研究内容
第2章 不同负载下肌电信号的采集和预处理
2.1 不同负载下手腕肌电信号采集系统的构建
2.1.1 表面肌电信号的特性分析
2.1.2 表面肌电信号的采集系统
2.1.3 手腕角度采集方法
2.1.4 手腕表面肌电信号采集方案设计
2.2 不同负载下表面肌电信号预处理
2.2.1 梳状滤波器的设计
2.2.2 自适应小波降噪
2.3 本章小结
第3章 手腕表面肌电信号特征提取与组合
3.1 各种工况下的表面肌电信号
3.2 手腕表面肌电信号的特征提取
3.2.1 时域分析
3.2.2 频域分析
3.3 手腕表面肌电信号的特征组合方式
3.4 表面肌电信号特征降维
3.5 特征归一化处理
3.6 本章小结
第4章 不同负载下手腕角度的连续预测
4.1 基于GRNN的手腕角度预测
4.1.1 广义回归神经网络原理
4.1.2 广义回归神经网络结构设计
4.2 基于GA-ELM的手腕角度预测
4.2.1 极限学习机原理
4.2.2 极限学习机网络结构设计
4.2.3 遗传算法优化极限学习机
4.3 手腕角度预测结果及分析
4.3.1 不同负载下静态手腕离散角度识别
4.3.2 不同负载下手腕连续角度预测
4.3.3 不同周期下手腕连续角度预测
4.4 本章小结
第5章 全文总结与展望
5.1 全文总结
5.2 展望
致谢
参考文献
附录1 攻读硕士学位期间的成果
附录2 攻读硕士学位期间参加的科研项目
【参考文献】：
期刊论文
[1]基于两种改进阈值函数的表面肌电信号降噪研究[J]. 马东,杨铮,王立玲. 现代电子技术. 2020(01)
[2]人体表面肌电信号的时频域特征提取研究[J]. 任丽晔,邵宗明,徐冬蕾. 长春大学学报. 2019(10)
[3]基于小波变换的肌肉疲劳表面肌电信号特征提取的研究[J]. 宋方禹,刘烨辉,朱立华,朱峻岭,亓勤德,朱江. 生物医学工程研究. 2019(01)
[4]肌电信号选择对下肢关节连续运动估计的影响[J]. 李文锋,余志刚,胡心韵. 机械设计与制造. 2019(03)
[5]基于下肢表面肌电信号的动作模式识别研究[J]. 范光辉,葛科铎,王璐,谢能刚. 齐齐哈尔大学学报(自然科学版). 2018(06)
[6]采用优化神经网络的下肢肌电信号的识别[J]. 王光旭,崔建松,张庆光,张培培. 厦门理工学院学报. 2018(01)
[7]基于SOA-ELM的手部动作识别方法实验研究[J]. 孟瑞,岑豫皖,王璐,葛科铎,朱兴江. 安徽工业大学学报(自然科学版). 2017(03)
[8]肘关节屈运动相关肌肉表面肌电信号研究[J]. 何小耀,韦宇炜,何汉武,王俊华,曾科学. 工程技术研究. 2016(07)
[9]基于多源信息和广义回归神经网络的下肢运动模式识别[J]. 刘磊,杨鹏,刘作军. 机器人. 2015(03)
[10]下肢康复机器人及其交互控制方法[J]. 胡进,侯增广,陈翼雄,张峰,王卫群. 自动化学报. 2014(11)
硕士论文
[1]基于遗传算法优化极限学习机的房地产税基批量评估研究[D]. 侯晨.青岛理工大学 2018
[2]应用sEMG评估手功能支具在脑卒中腕手功能障碍的作用研究[D]. 王桂丽.福建中医药大学 2017
[3]极限学习机结构优化及其应用研究[D]. 孙鑫.广西大学 2014
本文编号：3654248
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3654248.html
