基于肌电协同和相干性的下肢运动行为研究
发布时间：2021-07-19 18:25
近年来,随着人口老龄化的加剧、残疾人数量的增加、康复机器人领域的发展等逐渐成为社会各界关注的热点。在人体下肢运动过程中,中枢神经系统控制多个肌肉-骨骼的协调,形成具有耦合性、低维度特性的控制单元模块。通过对这些模块间的相互作用以及相互影响进行分析,为康复医疗、人机交互等领域提供帮助。主要研究工作如下:（1）以日常行为活动中的蹲站与步态动作为基础,采集不同动作下的表面肌电信号。根据原始信号的噪声特点,选取经验模态分解、集合经验模态分解和局部均值分解3种消噪方法进行消噪处理,将分解的主要分量进行叠加来重构原始信号,最后对比消噪性能指标,选取最佳的方法。（2）针对sEMG信号的特征,对预处理后的信号提取其包络线并采用非负矩阵分解算法对其进行分解。在站-蹲与蹲-站动作下,正常组的8块和6块肌肉的肌电信号分别分解了 5个和4个协同元与激活系数模块。由于肌肉容易受疲劳因素的影响,分析了正常组和疲劳组的协同与激活模块的影响,发现协同模块中对应的肌肉有所变化。步态运动下分解了4个模块,对协同结构间进行排列组合熵分析以及运动功能进行映射分析,得到的结果与肌肉的运动功能相符。（3）为了研究协同模块各参与肌...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
Kjnect机械结构
Ｉ?２?３??Ｉ．红外投影机２．彩色ｍｍ头３．红外掛像头４．友克Ｒ阵列５．马达??图１．１?Ｋｉｎｅｃｔ机械结构??ｔ＿ｖｊ?”?一?．＊?？??ｆ?ｆＰ??＼ｗ?’？．?ｉ??图１．２基于视觉的行为感知示意图??（２）基于可穿戴传感器的方法：可穿戴式传感器配备了协调器，可以采集??与分析人体产生的各种原始数据信号，例如运动时产生的加速度信号??（Ａｃｃｅｌｅｒａｔｉｏｎ，ＡＣＣ）、表面肌电信号、压力信号、心率信号等生理信号。图??■１．３所示，将射频识别（ＲＦＩＤ）、陀螺仪、加速度传感器、录音器等多类型传感??器佩戴在人身上或者与皮肤接触，可以用来检测日常活动一些运动和生理指标。??如今，穿戴式传感器越来越小，轻巧的设计，穿戴灵活方便，支持户外等优点。??Ｎｙａｎ等人［１１］通过将陀螺仪传感器用来检测侧向和后向跌倒动作，结果显示在跌??倒动作中具有１００％的敏感度
业大学研制的外骨骼康复机器人ＴＵＰＬＥＥ，用来帮助大腿完成膝关节的屈伸动作??［１２］。如图１．４左边所示，大腿的ｓＥＭＧ信号是由６个肌电电极所采集，角度和力??的测量通过关节处的传感器测量。图右边为经典的ＨｉＵ模型用来估计下肢的力矩??模型，通俗的讲，将采集的ｓＥＭＧ信号估计出其对应的力矩大小，通过力矩的比??例控制外骨骼肌的输出，通过力矩的反馈与校正处理，使得系统能够实时检测。??ＥＭＧＥｅｃ：顧、??ＷＭＡｍｐｉｉｌｋｒ??图１．４?ＴＵＰＬＥＥ外骨骼机器人模型??ＲｅＷａｌｋ是美国Ａｒｇｏ?Ｍｅｄｉｃａｌ?Ｔｅｃｈｎｏｌｏｇｉｅｓ公司研发的一款辅助人进行一些??曰常活动的外骨骼机器人，如图１．５?（ａ）所示，通过下肢的穿戴设备实现对日常??活动的辅助，助力行动，并为损伤后的康复提供帮助［１３］。沈金虎等人［１４］设计了??一个检测系统带有超声波传感器，如图１．５?（ｂ）所示，针对步态进行分析，采用??超声波检测下肢超声波的距离，实现对步态的频率与长度的确定，从而实现步态．??４??
【参考文献】：
期刊论文
[1]基于表面肌电非负矩阵分解与一致性的肌间协同-耦合关系研究[J]. 谢平,李欣欣,杨春华,杨芳梅,陈晓玲,吴晓光. 中国生物医学工程学报. 2017(02)
[2]智能动力小腿假肢[J]. 林楠. 设计. 2016(10)
[3]基于表面肌电的运动意图识别方法研究及应用综述[J]. 丁其川,熊安斌,赵新刚,韩建达. 自动化学报. 2016(01)
[4]往者不可谏 来者犹可追——中国科技期刊“十二五”回顾与“十三五”展望[J]. 颜帅,付国乐,张昕. 科技与出版. 2016(01)
[5]上肢肌肉疲劳的sEMG信号特征分析[J]. 任见,李传江,翟润哲,茅红伟. 仪表技术. 2015(12)
[6]从“中国制造2025”看医疗器械产业的发展[J]. 梁慧刚,黄可. 新材料产业. 2015(07)
[7]等动屈伸运动诱发下肢膝关节肌肉疲劳过程中表面肌电信号的特征分析[J]. 张肃,郭峰,王念辉. 吉林大学学报(医学版). 2014(06)
[8]中风康复运动中脑电-肌电相干性分析[J]. 马培培,陈迎亚,杜义浩,苏玉萍,吴晓光,梁振虎,谢平. 生物医学工程学杂志. 2014(05)
[9]基于mAR模型的小儿脑瘫患者下肢肌电信号相干性分析[J]. 冯辉,王乾,吴德,陈香. 北京生物医学工程. 2014(04)
[10]基于排列组合熵和聚类分析的SEMG识别方法[J]. 袁明,罗志增. 华中科技大学学报(自然科学版). 2011(S2)
博士论文
[1]小儿脑瘫运动功能障碍评估研究[D]. 汤璐.中国科学技术大学 2017
[2]人体下肢关节系统的生物力学行为研究[D]. 姜海波.中国矿业大学 2008
硕士论文
[1]康复功能评价中肌间协同—耦合关系分析方法研究[D]. 李欣欣.燕山大学 2017
[2]多自由度肌电假肢的比例同步控制研究[D]. 桂奇政.杭州电子科技大学 2017
[3]基于表面肌电信号的小儿脑瘫步态肌肉协同分析[D]. 李飞.中国科学技术大学 2014
[4]基于皮层肌肉相干性的手部运动信息解码研究[D]. 李云萍.天津医科大学 2014
[5]基于全方向下肢康复训练机器人的步态检测与分析[D]. 沈金虎.沈阳工业大学 2012
[6]重复性作业上肢肌肉疲劳的表面肌电实验研究[D]. 张非若.华中科技大学 2006
本文编号：3291200
【文章来源】：杭州电子科技大学浙江省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
Kjnect机械结构
Ｉ?２?３??Ｉ．红外投影机２．彩色ｍｍ头３．红外掛像头４．友克Ｒ阵列５．马达??图１．１?Ｋｉｎｅｃｔ机械结构??ｔ＿ｖｊ?”?一?．＊?？??ｆ?ｆＰ??＼ｗ?’？．?ｉ??图１．２基于视觉的行为感知示意图??（２）基于可穿戴传感器的方法：可穿戴式传感器配备了协调器，可以采集??与分析人体产生的各种原始数据信号，例如运动时产生的加速度信号??（Ａｃｃｅｌｅｒａｔｉｏｎ，ＡＣＣ）、表面肌电信号、压力信号、心率信号等生理信号。图??■１．３所示，将射频识别（ＲＦＩＤ）、陀螺仪、加速度传感器、录音器等多类型传感??器佩戴在人身上或者与皮肤接触，可以用来检测日常活动一些运动和生理指标。??如今，穿戴式传感器越来越小，轻巧的设计，穿戴灵活方便，支持户外等优点。??Ｎｙａｎ等人［１１］通过将陀螺仪传感器用来检测侧向和后向跌倒动作，结果显示在跌??倒动作中具有１００％的敏感度
业大学研制的外骨骼康复机器人ＴＵＰＬＥＥ，用来帮助大腿完成膝关节的屈伸动作??［１２］。如图１．４左边所示，大腿的ｓＥＭＧ信号是由６个肌电电极所采集，角度和力??的测量通过关节处的传感器测量。图右边为经典的ＨｉＵ模型用来估计下肢的力矩??模型，通俗的讲，将采集的ｓＥＭＧ信号估计出其对应的力矩大小，通过力矩的比??例控制外骨骼肌的输出，通过力矩的反馈与校正处理，使得系统能够实时检测。??ＥＭＧＥｅｃ：顧、??ＷＭＡｍｐｉｉｌｋｒ??图１．４?ＴＵＰＬＥＥ外骨骼机器人模型??ＲｅＷａｌｋ是美国Ａｒｇｏ?Ｍｅｄｉｃａｌ?Ｔｅｃｈｎｏｌｏｇｉｅｓ公司研发的一款辅助人进行一些??曰常活动的外骨骼机器人，如图１．５?（ａ）所示，通过下肢的穿戴设备实现对日常??活动的辅助，助力行动，并为损伤后的康复提供帮助［１３］。沈金虎等人［１４］设计了??一个检测系统带有超声波传感器，如图１．５?（ｂ）所示，针对步态进行分析，采用??超声波检测下肢超声波的距离，实现对步态的频率与长度的确定，从而实现步态．??４??
【参考文献】：
期刊论文
[1]基于表面肌电非负矩阵分解与一致性的肌间协同-耦合关系研究[J]. 谢平,李欣欣,杨春华,杨芳梅,陈晓玲,吴晓光. 中国生物医学工程学报. 2017(02)
[2]智能动力小腿假肢[J]. 林楠. 设计. 2016(10)
[3]基于表面肌电的运动意图识别方法研究及应用综述[J]. 丁其川,熊安斌,赵新刚,韩建达. 自动化学报. 2016(01)
[4]往者不可谏 来者犹可追——中国科技期刊“十二五”回顾与“十三五”展望[J]. 颜帅,付国乐,张昕. 科技与出版. 2016(01)
[5]上肢肌肉疲劳的sEMG信号特征分析[J]. 任见,李传江,翟润哲,茅红伟. 仪表技术. 2015(12)
[6]从“中国制造2025”看医疗器械产业的发展[J]. 梁慧刚,黄可. 新材料产业. 2015(07)
[7]等动屈伸运动诱发下肢膝关节肌肉疲劳过程中表面肌电信号的特征分析[J]. 张肃,郭峰,王念辉. 吉林大学学报(医学版). 2014(06)
[8]中风康复运动中脑电-肌电相干性分析[J]. 马培培,陈迎亚,杜义浩,苏玉萍,吴晓光,梁振虎,谢平. 生物医学工程学杂志. 2014(05)
[9]基于mAR模型的小儿脑瘫患者下肢肌电信号相干性分析[J]. 冯辉,王乾,吴德,陈香. 北京生物医学工程. 2014(04)
[10]基于排列组合熵和聚类分析的SEMG识别方法[J]. 袁明,罗志增. 华中科技大学学报(自然科学版). 2011(S2)
博士论文
[1]小儿脑瘫运动功能障碍评估研究[D]. 汤璐.中国科学技术大学 2017
[2]人体下肢关节系统的生物力学行为研究[D]. 姜海波.中国矿业大学 2008
硕士论文
[1]康复功能评价中肌间协同—耦合关系分析方法研究[D]. 李欣欣.燕山大学 2017
[2]多自由度肌电假肢的比例同步控制研究[D]. 桂奇政.杭州电子科技大学 2017
[3]基于表面肌电信号的小儿脑瘫步态肌肉协同分析[D]. 李飞.中国科学技术大学 2014
[4]基于皮层肌肉相干性的手部运动信息解码研究[D]. 李云萍.天津医科大学 2014
[5]基于全方向下肢康复训练机器人的步态检测与分析[D]. 沈金虎.沈阳工业大学 2012
[6]重复性作业上肢肌肉疲劳的表面肌电实验研究[D]. 张非若.华中科技大学 2006
本文编号：3291200
本文链接：https://www.wllwen.com/linchuangyixuelunwen/3291200.html
最近更新
教材专著
