基于上肢运动的脑—肌电信号融合分析研究

发布时间：2020-06-05 04:40

【摘要】：大脑皮层的脑电信号(Electroencephalogram,EEG)反映人体的运动控制信息,身体肌肉组织的肌电信号(Electromyogram,EMG)反映了肌肉对大脑控制的响应信息。两种生理电信号的交叉研究在人工智能、医疗康复和神经科学等成为新的热门领域。目前大部分的假肢均以肌电信号作为控制信息,但一些运动障碍患者的肌电信号很微弱并且很复杂,动作识别率较低,无法满足实际应用需求。考虑运动障碍患者还有正常的脑电信号,基于混合脑机接口(Brain-Computer Interface,BCI)技术提出脑电信号和肌电信号的特征融合策略,可以作为康复假肢重要控制信息。为了提高脑机交互控制假肢的识别率及控制准确度,本文开展脑电和肌电信号的融合研究。首先,本文阐述脑电和肌电信号在假肢控制领域的研究背景,综述脑肌电信号融合分析的应用现状及存在的问题。基于神经肌肉功能融合的脑电和肌电信号控制的准确度,对脑电和肌电信号进行融合分析,提高辅助设备控制地稳定性。针对运动脑电信号和肌电信号的生理学基础和特点,确定实验信号的采集位置。其次,设计上肢运动脑电和肌电信号采集试验,对采集到的信号进行预处理。基于小波阈值去噪方法提出了一种改进阈值算法以去除脑电信号中的噪声,提高了脑电信号的信噪比。在小波分析方法的基础上,对采集到的肌电信号运用分层阈值降噪方法进行消噪处理。接着,通过经验模态分解得到脑电信号的固有模态函数分量,运用希尔伯特—黄(Hilbert-Huang Transform,HHT)的方法对运动EEG信号进行特征提取。针对肌电信号特性,在时-频域分析的基础上应用小波变换,提取相关性大的肌电特征值。最后,运用稀疏自动编码器融合脑电和肌电信号特征,选用支持向量机对融合信号与单一运动脑电信号进行分类识别研究。结果表明本文方法有效提高了动作的识别精度。
【图文】：

分布情况,中国残疾人,分布情况

图1.1 中国国民年龄分布情况[1]图1.2 中国残疾人分布情况[1]Fig. 1.1 Distribution of ageing in China[1]Fig. 1.2 Distribution of persons with disabilities in China[1]老龄化问题给人的生产生活带来了诸多的不方便，，同时肢体残疾也给人的社会生活与行动带来严重问题，其中肢体残障直接影响人们的日常生活。人们在生活中常常会因各种伤害造成肢体功能的缺失，促进与改善残疾人医疗福利事业已经成为党和政府放在首要的民生提案。这些身体功能有缺失的人士，成为一个有特殊困难、要求的群体。研究功能触觉与人体肢体接近并能进行实时控制是智能假肢康复领域的最后方向。目前假肢在残疾人使用过程中存在功能性差、控制不稳定等问题。因此，对多运动模式假肢手的控制研究是帮助残疾人能够正常生活和更好融入社会的必由之路。随着世界科技创新的进步，假肢由以前完成简单功能发展到现在具有反馈、多自由度、执行多任务的智能假肢。现在随着对人体生物电信号的解码，假肢逐渐转向由人根据自身的生物电信号接受控制

主成分分析方法,信号相关,电极位置,工业大学

图 1.3 估计肌电信号的结果[11]Fig. 1.3 The result of estimation[11]千叶工业大学的梁洪波等，提出了基于 EEG 和 EMG 信号的估计方法实现康复能。分析了有效地提取肩关节的运动信息的电极位置；利用 EEG 测量数据提取征，建立了 EMG 与 EEG 信号相关联的线性模型[11]。使用主成分分析方法对肩
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R496;TN911.6

【相似文献】