基于表面肌电信号的穿戴式人体行为识别系统

发布时间：2021-08-14 01:22

　　人体行为识别技术能够充分反映人体的运动情况和生理机能,对个体行为研究具有重大的参考意义。当前基于穿戴式传感器的人体行为识别技术受到了研究人员的广泛关注。与传统人体行为识别技术相比,穿戴式传感器由于其移动性好、续航时间长、抗干扰能力强等优点,被广泛运用于医学康复、运动跟踪、智能家居、人机交互等领域。但是,当前用于人体行为识别技术的穿戴式传感器大多基于人体运动时产生的间接信号,如人体运动时的加速度、心电信号、人体姿态等,无法直接反映人体的运动状态。近几年,肌电信号被广泛运用于假肢控制和肌肉疲劳度分析等领域。肌电信号是肌肉收缩时产生的生物电信号,是人体行为活动的直接反映,其中包含的肌肉状态信息能够直接反映出人体当前的运动意图。因此本文将以人体运动时肌肉产生的肌电信号作为研究对象,对人体行为进行模式识别。本文的研究内容围绕着肌电信号展开。为了实现对人体表面肌电信号长时间实时持续地采集,本文首先设计了一套用于采集表面肌电信号的穿戴式系统。本文所设计的采集系统体积小、质量轻、功耗低,能够满足人体日常的肌电信号采集任务。随后,本文利用设计的穿戴式肌电信号采集系统对人体的平地步行、平地跑步、上楼梯和下... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：102 页

【学位级别】：硕士

【部分图文】：

图１．３基于电磁波的人体行为识别框架图??

??如图１．４所示为基于穿戴式传感器人体行为识别系统的数据流图，主要包括??数据收集、特征提取、特征学习三个过程。同样地，与其他机器学习过程相似，??可将人体行为识别数据处理分为两个阶段，即数据训练阶段和数据测试阶段。在??数据训练阶段，穿戴式传感器采集到的相关传感器数据用于构成训练集，并从训??练集中提取特征，以训练出满足要求的分类模型；而在数据测试阶段，则以一段??时间窗口内采集到的传感器数据作为特征提取单元，并将提取出的特征集作为训??练阶段得到的分类模型的输入，以预测人体当前的行为活动。此外，基于穿戴式??传感器人体行为识别系统的通用数据采集架构如图１．５所示。首先，将可穿戴式??传感器连接到人体

??如图１．４所示为基于穿戴式传感器人体行为识别系统的数据流图，主要包括??数据收集、特征提取、特征学习三个过程。同样地，与其他机器学习过程相似，??可将人体行为识别数据处理分为两个阶段，即数据训练阶段和数据测试阶段。在??数据训练阶段，穿戴式传感器采集到的相关传感器数据用于构成训练集，并从训??练集中提取特征，以训练出满足要求的分类模型；而在数据测试阶段，则以一段??时间窗口内采集到的传感器数据作为特征提取单元，并将提取出的特征集作为训??练阶段得到的分类模型的输入，以预测人体当前的行为活动。此外，基于穿戴式??传感器人体行为识别系统的通用数据采集架构如图１．５所示。首先，将可穿戴式??传感器连接到人体


本文编号：3341481