基于多源信息的智能仿生手臂模式识别方法研究
发布时间：2021-02-22 03:53
在人体前臂肌肉的表面肌电信号模式识别研究中，首要任务是给出能够识别日常生活常用动作及情感表达手势的模式识别方法。除此之外，为智能仿生手臂的控制模块提供更多的动作细节信息，如手指关节角、握力等，能够帮助其更好的完成日常生活动作，提高设备的拟人化程度。针对以上设想，本文提出将加速信号及握力信号等其他与描述动作有关的多源信号，与表面肌电信号融合，在模式识别的训练阶段帮助生成更为准确的分类策略，希望对智能仿生手臂的模式识别模块的开发能够起到推动作用。为了实现基于多源信息的智能仿生手臂模式识别研究，从表面肌电信号中提取更多能够用于智能仿生手臂仿生化控制的运动细节信息，本文主要进行了下面几个方面的研究：提出了一种融合双路信号特征的模特征提取算法。在表面肌电信号的手势动作模式识别中，一些识别率的损失是由于信号采集过程中信道顺序颠倒造成的。为了解决这一问题，本文基于复数的概念提出了综合双路信号特征的模特征提取算法，该算法将独立的双路特征作为复数的实部和虚部，计算双路特征的模值作为信号的模特征。该模值能够综合反映双路信号特征，同时对信道顺序不敏感，鲁棒性强。针对表面肌电信号样本标注代价大的问题，本文提出...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：119 页
【学位级别】：博士
【文章目录】：
前言
摘要
ABSTRACT
第1章 绪论
1.1 问题的提出与研究意义
1.1.1 问题提出
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 智能仿生手臂国内外发展现状
1.2.2 表面肌电信号模式识别国内外研究现状
1.2.3 存在的主要问题
1.3 本文的主要内容与结构安排
1.3.1 科研项目资助情况
1.3.2 研究目标与主要研究问题
1.3.3 章节安排
第2章 基于特征融合的鲁棒表面肌电信号半监督模式识别
2.1 引言
2.2 表面肌电信号模特征提取算法
2.3 安全半监督支持向量机
2.3.1 半监督支持向量机
2.3.2 安全半监督支持向量机
2.4 算法设计
2.4.1 安全半监督支持向量机的算法设计
2.4.2 Label 矩阵
2.5 仿真实验及结果分析
2.5.1 实验数据采集
2.5.2 考虑信道顺序的识别率对比实验
2.5.3 机器学习方法对比实验
2.5.4 基于模特征的鲁棒表面肌电信号半监督模式识别实验
2.6 本章小结
第3章 基于融合信息的表面肌电信号--关节角模式识别研究
3.1 引言
3.2 传统活动段检测方法
3.3 融合表面肌电信号和关节角信息的类活动段检测
3.4 加速计信号中手指关节角的计算方法
3.5 仿真实验及结果分析
3.5.1 实验配置及数据采集
3.5.2 活动段检测对比
3.5.3 识别率对比
3.5.4 关节角识别实验
3.5.5 多类关节角识别实验
3.6 本章小结
第4章 考虑肌肉力运动特性的表面肌电信号模式研究
4.1 引言
4.2 肌肉力与肌电信号的生物学关系
4.3 表面肌电信号的窗特征提取方法
4.3.1 窗样本熵算法
4.3.2 窗峰度值算法
4.4 仿真实验及结果分析
4.4.1 实验方案
4.4.2 数据处理
4.4.3 同侧数据预测结果
4.4.4 特征对实验结果的影响
4.4.5 对侧数据预测结果
4.5 本章小结
第5章 智能仿生手的虚拟样机开发及仿真研究
5.1 引言
5.2 虚拟样机模型建立
5.2.1 人手运动机理研究
5.2.2 虚拟假肢模型
5.2.3 ADAMS 中的运动学仿真
5.3 仿生手臂动力学建模
5.4 仿真实验及结果分析
5.4.1 ADAMS 与 MATLAB 联合仿真
5.4.2 智能仿生手虚拟在线仿真
5.5 本章小结
第6章 总结与展望
6.1 主要工作及成果
6.2 研究展望
参考文献
作者简介及研究成果
致谢
【参考文献】：
期刊论文
[1]基于非线性特征的表面肌电信号模式识别方法[J]. 张启忠,席旭刚,罗志增. 电子与信息学报. 2013(09)
[2]基于表面肌电信号高通滤波处理后对指屈肌肌力估算的研究[J]. 郭峰. 体育科学. 2012(12)
[3]脑电信号的小波变换和样本熵特征提取方法[J]. 张毅,罗明伟,罗元. 智能系统学报. 2012(04)
[4]基于FFT盲辨识的肌电信号建模及模式识别[J]. 李阳,田彦涛,陈万忠. 自动化学报. 2012(01)
[5]基于小波变换及AR模型的EMG模式识别研究[J]. 张毅,连奥奇,罗元. 电子测量与仪器学报. 2011(09)
[6]一种基于加速度与表面肌电信息融合和统计语言模型的连续手语识别方法[J]. 田建勋,陈香,李云,杨基海. 中国生物医学工程学报. 2011(03)
[7]基于加速计与表面肌电传感器信息融合的手语识别方法[J]. 李云,陈香,张旭,赵章琰,杨基海. 航天医学与医学工程. 2010(06)
[8]一种基于肌电信号的踝关节动作预测方法的研究[J]. 王震,张震,姚松丽,章亚男,钱晋武. 高技术通讯. 2010(11)
[9]基于共空间模式和神经元网络的脑-机接口信号的识别[J]. 叶柠,孙宇舸,王旭. 东北大学学报(自然科学版). 2010(01)
[10]五指仿人机器人灵巧手DLR/HIT Hand Ⅱ[J]. 刘伊威,金明河,樊绍巍,兰天,陈兆芃. 机械工程学报. 2009(11)
博士论文
[1]基于表面肌电和加速度信号融合的动作识别和人体行为分析研究[D]. 成娟.中国科学技术大学 2013
[2]智能仿生手臂肌电信号—运动模型化与模式识别理论方法研究[D]. 李阳.吉林大学 2012
[3]基于肌电信号的多模式人机接口研究[D]. 陈歆普.上海交通大学 2011
[4]仿人型假手多运动模式的肌电控制研究[D]. 杨大鹏.哈尔滨工业大学 2011
[5]人体上肢与上肢康复机器人运动控制研究[D]. 刘珊.华中科技大学 2008
硕士论文
[1]表面肌电信号模式识别及其运动分析[D]. 张莉.吉林大学 2013
[2]人体上肢骨肌建模及肌肉力预测方法研究[D]. 张争辉.天津大学 2013
[3]多分类器集成技术研究[D]. 康恒政.西南交通大学 2011
[4]基于半监督支持向量机的网络流量分类机制的研究与实现[D]. 李响.北京邮电大学 2011
本文编号：3045409
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：119 页
【学位级别】：博士
【文章目录】：
前言
摘要
ABSTRACT
第1章 绪论
1.1 问题的提出与研究意义
1.1.1 问题提出
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 智能仿生手臂国内外发展现状
1.2.2 表面肌电信号模式识别国内外研究现状
1.2.3 存在的主要问题
1.3 本文的主要内容与结构安排
1.3.1 科研项目资助情况
1.3.2 研究目标与主要研究问题
1.3.3 章节安排
第2章 基于特征融合的鲁棒表面肌电信号半监督模式识别
2.1 引言
2.2 表面肌电信号模特征提取算法
2.3 安全半监督支持向量机
2.3.1 半监督支持向量机
2.3.2 安全半监督支持向量机
2.4 算法设计
2.4.1 安全半监督支持向量机的算法设计
2.4.2 Label 矩阵
2.5 仿真实验及结果分析
2.5.1 实验数据采集
2.5.2 考虑信道顺序的识别率对比实验
2.5.3 机器学习方法对比实验
2.5.4 基于模特征的鲁棒表面肌电信号半监督模式识别实验
2.6 本章小结
第3章 基于融合信息的表面肌电信号--关节角模式识别研究
3.1 引言
3.2 传统活动段检测方法
3.3 融合表面肌电信号和关节角信息的类活动段检测
3.4 加速计信号中手指关节角的计算方法
3.5 仿真实验及结果分析
3.5.1 实验配置及数据采集
3.5.2 活动段检测对比
3.5.3 识别率对比
3.5.4 关节角识别实验
3.5.5 多类关节角识别实验
3.6 本章小结
第4章 考虑肌肉力运动特性的表面肌电信号模式研究
4.1 引言
4.2 肌肉力与肌电信号的生物学关系
4.3 表面肌电信号的窗特征提取方法
4.3.1 窗样本熵算法
4.3.2 窗峰度值算法
4.4 仿真实验及结果分析
4.4.1 实验方案
4.4.2 数据处理
4.4.3 同侧数据预测结果
4.4.4 特征对实验结果的影响
4.4.5 对侧数据预测结果
4.5 本章小结
第5章 智能仿生手的虚拟样机开发及仿真研究
5.1 引言
5.2 虚拟样机模型建立
5.2.1 人手运动机理研究
5.2.2 虚拟假肢模型
5.2.3 ADAMS 中的运动学仿真
5.3 仿生手臂动力学建模
5.4 仿真实验及结果分析
5.4.1 ADAMS 与 MATLAB 联合仿真
5.4.2 智能仿生手虚拟在线仿真
5.5 本章小结
第6章 总结与展望
6.1 主要工作及成果
6.2 研究展望
参考文献
作者简介及研究成果
致谢
【参考文献】：
期刊论文
[1]基于非线性特征的表面肌电信号模式识别方法[J]. 张启忠,席旭刚,罗志增. 电子与信息学报. 2013(09)
[2]基于表面肌电信号高通滤波处理后对指屈肌肌力估算的研究[J]. 郭峰. 体育科学. 2012(12)
[3]脑电信号的小波变换和样本熵特征提取方法[J]. 张毅,罗明伟,罗元. 智能系统学报. 2012(04)
[4]基于FFT盲辨识的肌电信号建模及模式识别[J]. 李阳,田彦涛,陈万忠. 自动化学报. 2012(01)
[5]基于小波变换及AR模型的EMG模式识别研究[J]. 张毅,连奥奇,罗元. 电子测量与仪器学报. 2011(09)
[6]一种基于加速度与表面肌电信息融合和统计语言模型的连续手语识别方法[J]. 田建勋,陈香,李云,杨基海. 中国生物医学工程学报. 2011(03)
[7]基于加速计与表面肌电传感器信息融合的手语识别方法[J]. 李云,陈香,张旭,赵章琰,杨基海. 航天医学与医学工程. 2010(06)
[8]一种基于肌电信号的踝关节动作预测方法的研究[J]. 王震,张震,姚松丽,章亚男,钱晋武. 高技术通讯. 2010(11)
[9]基于共空间模式和神经元网络的脑-机接口信号的识别[J]. 叶柠,孙宇舸,王旭. 东北大学学报(自然科学版). 2010(01)
[10]五指仿人机器人灵巧手DLR/HIT Hand Ⅱ[J]. 刘伊威,金明河,樊绍巍,兰天,陈兆芃. 机械工程学报. 2009(11)
博士论文
[1]基于表面肌电和加速度信号融合的动作识别和人体行为分析研究[D]. 成娟.中国科学技术大学 2013
[2]智能仿生手臂肌电信号—运动模型化与模式识别理论方法研究[D]. 李阳.吉林大学 2012
[3]基于肌电信号的多模式人机接口研究[D]. 陈歆普.上海交通大学 2011
[4]仿人型假手多运动模式的肌电控制研究[D]. 杨大鹏.哈尔滨工业大学 2011
[5]人体上肢与上肢康复机器人运动控制研究[D]. 刘珊.华中科技大学 2008
硕士论文
[1]表面肌电信号模式识别及其运动分析[D]. 张莉.吉林大学 2013
[2]人体上肢骨肌建模及肌肉力预测方法研究[D]. 张争辉.天津大学 2013
[3]多分类器集成技术研究[D]. 康恒政.西南交通大学 2011
[4]基于半监督支持向量机的网络流量分类机制的研究与实现[D]. 李响.北京邮电大学 2011
本文编号：3045409
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3045409.html
