基于表面肌电信号的下肢步态及姿势识别算法的研究
发布时间：2021-08-10 17:18
人体肌肉在活动时,由大脑中枢系统发出控制信号,该信号由脊髓神经元的轴突和树突传递到终板区,终板区与肌肉纤维耦合构成肌肉活动的基本运动单位,终板区产生的终板电位改变肌肉细胞膜的通透性,以致在众多肌肉纤维在空间上叠加产生动作电位,即肌电信号,肌电信号与皮肤表面综合反应产生的电信号即表面肌电信号。表面肌电信号蕴含大量与人体运动状态信息以及运动意图信息,可以对其进行处理分析进行人体姿势状态识别。人体下肢步态姿势识别在智能仿生下肢、医疗康复、助老助残等领域具有重要意义。本文结合人体下肢运动实际,以人体下肢关键肌肉的表面肌电信号为研究对象,深入研究和讨论了人体步态运动模式、表面肌电信号、实验采集、信号预处理以及下肢步态和姿势识别算法等方面内容。具体地,本文开展了如下研究工作:首先,阐述了人体下肢步态的运动模式和表面肌电信号的产生机理,分析了表面肌电信号用于人体下肢姿态识别的可行性,并设置信号数据采集实验,采集人体不同下肢姿势以及步行情况下的大腿表面肌电信号,为后续研究提供数据支持。其次,根据表面肌电信号中的噪声干扰,使用了合理的滤波去噪方法,有效降低了原始信号中的噪声干扰。结合表面肌电信号特点,对...
【文章来源】：西华大学四川省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
人体下肢肌肉结构
基于表面肌电信号的下肢步态及姿势识别的研究10对步态时期进行细致划分，步态按照时间或者空间的规律呈现周期性变化，随着步态的周期性变化，下肢sEMG信号也随之呈现周期性改变[47]，因此我们可以研究sEMG信号与步行状态之间的联系，从而开展后续的识别研究。图2.2步态周期示意图Fig.2.2Gaitcyclediagram2.3表面肌电信号在中枢神经系统的控制下，大脑皮层对运动信息进行编码，产生激励或抑制运动神经元的信号，该信号由脊髓神经元的轴突和树突传递到终板区，终板区与肌肉纤维耦合构成肌肉活动的基本运动单位（MotorUnit,MU），肌肉细胞膜的通透性被终板区产生的终板电位转变，以致在众多肌肉纤维在空间上叠加产生动作电位[48]（MotorUnitActionPotential,MUAP），即肌肉电信号（Electromyography,EMG）。EMG信号与皮肤表面综合反应产生的电信号即表面肌电信号（surfaceElectromyography,sEMG）。表面肌电信号产生原理如图2.3所示。相比于EMG信号，sEMG信号在测量上直接将表面电极粘贴在相应肌肉处的皮肤表面，具有非侵入、无创伤、操作简单等特性，且不需要专业医护人员辅助，因此在康复医疗领域常常用来诊断神经系统疾玻随着对sEMG信号研究的深入，sEMG信号逐渐在人体姿态识别、外骨骼控制、人机交互等领域发展起来。虽然sEMG信号在不同个体、不同肌肉、不同肢体运动之间存在差异，但仍具有以下几点共同特性：
西华大学硕士学位论文11图2.3表面肌电信号信号的产生原理Fig.2.3PrinciplesofsurfaceEMGsignalgeneration（1）sEMG的幅值大小与肌肉状态呈近似线性关系，而与肌肉产生力的大小也近似呈正比关系；（2）sEMG信号的幅值很小，一般sEMG信号的幅值在0-2之间，而肌肉叠加产生的幅值最大不超过5；（3）sEMG信号的频段处于低频区间，分布在0-500内，研究表明，多数sEMG信号集中在0-300之间；（4）sEMG信号是一种非平稳随机信号，它的分布规律会随时间发生变化；（5）sEMG信号一般超前于身体动作30-150ms产生，这是通过sEMG信号进行人机交互的重要前提；（6）人体同一处肌肉在一个特定的运动模式中产生的sEMG信号具有很好的重复性，虽然有微小的差异，但是变化趋势和基本规律保持一致。以上sEMG信号的特点给人体姿态识别、外骨骼控制、医疗康复等领域的研究带来可能。一秒内的sEMG信号如图2.4所示。图2.4sEMG信号图Fig.2.4sEMGsignaldiagram
【参考文献】：
期刊论文
[1]基于支持向量机的表面肌电信号动作模式识别[J]. 李林伟,王红旗,姜磊. 科学技术与工程. 2014(07)
[2]GRNN在肌电预测踝关节运动中的应用[J]. 戴虹,钱晋武,张震,沈林勇,章亚男. 仪器仪表学报. 2013(04)
[3]正常青年人自然步态下肢肌的表面肌电图分析[J]. 黄萍,齐进,邓廉夫,陈博. 中国组织工程研究. 2012(20)
[4]中国残联发布我国最新残疾人口数据 全国残疾人口逾8500万[J]. 赵燕潮. 中国残疾人. 2012(04)
[5]利用多源运动信息的下肢假肢多模式多步态识别研究[J]. 高云园,孟明,罗志增,佘青山. 传感技术学报. 2011(11)
[6]具有路况识别功能的智能膝上假肢的研究[J]. 金德闻,张瑞红,王人成,张济川. 中国康复理论与实践. 2004(05)
[7]智能仿生腿的研究[J]. 王斌锐,徐心和. 控制与决策. 2004(02)
[8]人体行走时步态的生物力学研究进展[J]. 吴剑,李建设. 中国运动医学杂志. 2002(03)
博士论文
[1]基于人体运动分析的步态识别算法研究[D]. 贲晛烨.哈尔滨工程大学 2010
[2]基于sEMG信号的外骨骼式机器人上肢康复系统研究[D]. 李庆玲.哈尔滨工业大学 2009
硕士论文
[1]肌电信号采集与肌电假肢控制的研究[D]. 张志勇.哈尔滨工业大学 2010
本文编号：3334468
【文章来源】：西华大学四川省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
人体下肢肌肉结构
基于表面肌电信号的下肢步态及姿势识别的研究10对步态时期进行细致划分，步态按照时间或者空间的规律呈现周期性变化，随着步态的周期性变化，下肢sEMG信号也随之呈现周期性改变[47]，因此我们可以研究sEMG信号与步行状态之间的联系，从而开展后续的识别研究。图2.2步态周期示意图Fig.2.2Gaitcyclediagram2.3表面肌电信号在中枢神经系统的控制下，大脑皮层对运动信息进行编码，产生激励或抑制运动神经元的信号，该信号由脊髓神经元的轴突和树突传递到终板区，终板区与肌肉纤维耦合构成肌肉活动的基本运动单位（MotorUnit,MU），肌肉细胞膜的通透性被终板区产生的终板电位转变，以致在众多肌肉纤维在空间上叠加产生动作电位[48]（MotorUnitActionPotential,MUAP），即肌肉电信号（Electromyography,EMG）。EMG信号与皮肤表面综合反应产生的电信号即表面肌电信号（surfaceElectromyography,sEMG）。表面肌电信号产生原理如图2.3所示。相比于EMG信号，sEMG信号在测量上直接将表面电极粘贴在相应肌肉处的皮肤表面，具有非侵入、无创伤、操作简单等特性，且不需要专业医护人员辅助，因此在康复医疗领域常常用来诊断神经系统疾玻随着对sEMG信号研究的深入，sEMG信号逐渐在人体姿态识别、外骨骼控制、人机交互等领域发展起来。虽然sEMG信号在不同个体、不同肌肉、不同肢体运动之间存在差异，但仍具有以下几点共同特性：
西华大学硕士学位论文11图2.3表面肌电信号信号的产生原理Fig.2.3PrinciplesofsurfaceEMGsignalgeneration（1）sEMG的幅值大小与肌肉状态呈近似线性关系，而与肌肉产生力的大小也近似呈正比关系；（2）sEMG信号的幅值很小，一般sEMG信号的幅值在0-2之间，而肌肉叠加产生的幅值最大不超过5；（3）sEMG信号的频段处于低频区间，分布在0-500内，研究表明，多数sEMG信号集中在0-300之间；（4）sEMG信号是一种非平稳随机信号，它的分布规律会随时间发生变化；（5）sEMG信号一般超前于身体动作30-150ms产生，这是通过sEMG信号进行人机交互的重要前提；（6）人体同一处肌肉在一个特定的运动模式中产生的sEMG信号具有很好的重复性，虽然有微小的差异，但是变化趋势和基本规律保持一致。以上sEMG信号的特点给人体姿态识别、外骨骼控制、医疗康复等领域的研究带来可能。一秒内的sEMG信号如图2.4所示。图2.4sEMG信号图Fig.2.4sEMGsignaldiagram
【参考文献】：
期刊论文
[1]基于支持向量机的表面肌电信号动作模式识别[J]. 李林伟,王红旗,姜磊. 科学技术与工程. 2014(07)
[2]GRNN在肌电预测踝关节运动中的应用[J]. 戴虹,钱晋武,张震,沈林勇,章亚男. 仪器仪表学报. 2013(04)
[3]正常青年人自然步态下肢肌的表面肌电图分析[J]. 黄萍,齐进,邓廉夫,陈博. 中国组织工程研究. 2012(20)
[4]中国残联发布我国最新残疾人口数据 全国残疾人口逾8500万[J]. 赵燕潮. 中国残疾人. 2012(04)
[5]利用多源运动信息的下肢假肢多模式多步态识别研究[J]. 高云园,孟明,罗志增,佘青山. 传感技术学报. 2011(11)
[6]具有路况识别功能的智能膝上假肢的研究[J]. 金德闻,张瑞红,王人成,张济川. 中国康复理论与实践. 2004(05)
[7]智能仿生腿的研究[J]. 王斌锐,徐心和. 控制与决策. 2004(02)
[8]人体行走时步态的生物力学研究进展[J]. 吴剑,李建设. 中国运动医学杂志. 2002(03)
博士论文
[1]基于人体运动分析的步态识别算法研究[D]. 贲晛烨.哈尔滨工程大学 2010
[2]基于sEMG信号的外骨骼式机器人上肢康复系统研究[D]. 李庆玲.哈尔滨工业大学 2009
硕士论文
[1]肌电信号采集与肌电假肢控制的研究[D]. 张志勇.哈尔滨工业大学 2010
本文编号：3334468
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3334468.html
