基于肌肉协同的肌电模式识别方法研究与应用探索
发布时间:2022-02-15 05:23
肌电信号(Electromyography,EMG)是伴随肌肉活动产生的一种重要电生理信号,可实时反映肢体的运动意图和运动状态。依据这一生理学基础,通过放置在皮肤表面的电极采集到肌肉活动的表面肌电信号(Surface EMG,sEMG)实现的肌电控制(Myoelectric Control),成为一种重要的人机接口技术。按照所采取的控制策略,肌电控制技术经历了最初的“开关”控制、比例控制到目前主流的模式识别控制的发展过程。前两种控制策略通过在主动肌-拮抗肌对和一个控制自由度间建立映射,实现的肌电控制系统功能单一,可控自由度数量受限。近年来,基于模式识别技术的肌电控制策略,由于其具有多功能和多自由度的优势成为研究热点。然而,实际应用中的各种因素严重制约着基于模式识别策略的肌电控制发展,使其在临床和工业界一直没有得到广泛应用。其中,传统肌电模式识别方法仅从数据呈现运动模式,缺乏对形成运动的神经肌肉调控机制的理解,导致所实现的肌电控制系统缺乏鲁棒性和泛化能力。相比之下,肌肉协同作为中枢神经系统(Central Nervous System,CNS)募集骨骼肌完成各种肢体动作的最小单位,可以解...
【文章来源】:中国科学技术大学安徽省211工程院校985工程院校
【文章页数】:109 页
【学位级别】:博士
【部分图文】:
图1.1肌肉协同理论模型图(Safavyniaetal.,2011)??8??
之前采用了取对数运算进行归一化降低噪声影响。其次,经过上述步骤后,分别??得到了原始sEMG信号和经过对数运算sEMG信号的功率谱系数,将两者之间??的余弦作为最终的TDPSD特征。图2.3给出了?TDPSD特征提取的流程示意图,??下文将对该计算过程作详细介绍。??给定一段长度为iV的离散时间序列sEMG信号x[/]?(/=1,2,…,A〇,信号的采??样率为>?Hz。该sEMG信号的能量可表示为关于离散傅里叶变换频谱系数义[幻??Second?First??denvatve?derive?EMGSignai???()??d2\dt\?'?d,?dt?I? ̄"?x?? ̄n?n?r??CiSil?wdin????Lj?P〇M?r?PtMftr?Power??Trontfonnction?Ttans/ormation?Tnnufoanoiioti??,i?n\i??[_?1?l?^?1?I?????I? ̄?I?I?:u:???:」,??::???Log(WL)?log(/F)?k>g{5)?log(m〇-ni<)?iog(m〇-m2)?l〇g(/n〇)??h?fs?/i?fs?fi?fi??图2.3时间相关功率谱描述符(TDPSD)特征提取示意图(Al-Timemy?et?al.,2016)??19??
??图3.1融合肌力变化信息的肌电模式识别算法框图??3.?3实验数据采集与验证方案??3.3.1受试者和实验数据采集??l?l???爲通??k?I?00@??@?? ̄|??J?|???????@??|??、—????—?—?隹,丨■…...二.^??1?1??@??@@?0??ABCDEFGH?[?Jk??图3.2本实验采用的电极阵列及其安置位置示意图??在本实验中,采用由32个单电极构成的高密度电极阵列采集受试者执行动??作时产生的表面肌电信号。该电极将按照4行8列的排布方式放置于受试者的前??臂上,如图3.2所示。为了保证电极与皮肤的良好接触以及捕获丰富的肌电信息,??每一行中的8个电极被均匀的固定在弹力带中,四条弹力带将以胧骨内上踝到尺??骨茎突距离的15%位置为起点(以该距离的15%为间隔)依次安置。单个电极的圆????盘直径为l〇mm,其中包含直径为5_的信号记录面。取决于受试者前臂尺寸??的大小,相邻两圆盘的圆心距范围为10-15?mm。参考电极放置于靠近受试者肘??31??
【参考文献】:
期刊论文
[1]无线多通道表面肌电信号采集系统设计[J]. 胡巍,赵章琰,路知远,陈香. 电子测量与仪器学报. 2009(11)
博士论文
[1]穿戴式健康监护及人机交互应用中若干关键技术研究[D]. 路知远.中国科学技术大学 2014
[2]基于肌电模式的中国手语识别研究及康复应用探索[D]. 李云.中国科学技术大学 2013
[3]基于表面肌电信号的人体动作识别与交互[D]. 张旭.中国科学技术大学 2010
[4]表面肌电信号的运动单位动作电位检测[D]. 李强.中国科学技术大学 2008
[5]基于肌电信号的人机接口技术的研究[D]. 何乐生.东南大学 2006
硕士论文
[1]表面肌电模式识别的新控制策略研究[D]. 张神权.中国科学技术大学 2017
[2]表面肌电干扰相分析在脑卒中后肌力减退评估中的应用[D]. 任晓婷.中国科学技术大学 2016
[3]融合表面肌电和运动传感器信息的中国手语手势识别技术研究[D]. 杨喜东.中国科学技术大学 2016
本文编号:3626003
【文章来源】:中国科学技术大学安徽省211工程院校985工程院校
【文章页数】:109 页
【学位级别】:博士
【部分图文】:
图1.1肌肉协同理论模型图(Safavyniaetal.,2011)??8??
之前采用了取对数运算进行归一化降低噪声影响。其次,经过上述步骤后,分别??得到了原始sEMG信号和经过对数运算sEMG信号的功率谱系数,将两者之间??的余弦作为最终的TDPSD特征。图2.3给出了?TDPSD特征提取的流程示意图,??下文将对该计算过程作详细介绍。??给定一段长度为iV的离散时间序列sEMG信号x[/]?(/=1,2,…,A〇,信号的采??样率为>?Hz。该sEMG信号的能量可表示为关于离散傅里叶变换频谱系数义[幻??Second?First??denvatve?derive?EMGSignai???()??d2\dt\?'?d,?dt?I? ̄"?x?? ̄n?n?r??CiSil?wdin????Lj?P〇M?r?PtMftr?Power??Trontfonnction?Ttans/ormation?Tnnufoanoiioti??,i?n\i??[_?1?l?^?1?I?????I? ̄?I?I?:u:???:」,??::???Log(WL)?log(/F)?k>g{5)?log(m〇-ni<)?iog(m〇-m2)?l〇g(/n〇)??h?fs?/i?fs?fi?fi??图2.3时间相关功率谱描述符(TDPSD)特征提取示意图(Al-Timemy?et?al.,2016)??19??
??图3.1融合肌力变化信息的肌电模式识别算法框图??3.?3实验数据采集与验证方案??3.3.1受试者和实验数据采集??l?l???爲通??k?I?00@??@?? ̄|??J?|???????@??|??、—????—?—?隹,丨■…...二.^??1?1??@??@@?0??ABCDEFGH?[?Jk??图3.2本实验采用的电极阵列及其安置位置示意图??在本实验中,采用由32个单电极构成的高密度电极阵列采集受试者执行动??作时产生的表面肌电信号。该电极将按照4行8列的排布方式放置于受试者的前??臂上,如图3.2所示。为了保证电极与皮肤的良好接触以及捕获丰富的肌电信息,??每一行中的8个电极被均匀的固定在弹力带中,四条弹力带将以胧骨内上踝到尺??骨茎突距离的15%位置为起点(以该距离的15%为间隔)依次安置。单个电极的圆????盘直径为l〇mm,其中包含直径为5_的信号记录面。取决于受试者前臂尺寸??的大小,相邻两圆盘的圆心距范围为10-15?mm。参考电极放置于靠近受试者肘??31??
【参考文献】:
期刊论文
[1]无线多通道表面肌电信号采集系统设计[J]. 胡巍,赵章琰,路知远,陈香. 电子测量与仪器学报. 2009(11)
博士论文
[1]穿戴式健康监护及人机交互应用中若干关键技术研究[D]. 路知远.中国科学技术大学 2014
[2]基于肌电模式的中国手语识别研究及康复应用探索[D]. 李云.中国科学技术大学 2013
[3]基于表面肌电信号的人体动作识别与交互[D]. 张旭.中国科学技术大学 2010
[4]表面肌电信号的运动单位动作电位检测[D]. 李强.中国科学技术大学 2008
[5]基于肌电信号的人机接口技术的研究[D]. 何乐生.东南大学 2006
硕士论文
[1]表面肌电模式识别的新控制策略研究[D]. 张神权.中国科学技术大学 2017
[2]表面肌电干扰相分析在脑卒中后肌力减退评估中的应用[D]. 任晓婷.中国科学技术大学 2016
[3]融合表面肌电和运动传感器信息的中国手语手势识别技术研究[D]. 杨喜东.中国科学技术大学 2016
本文编号:3626003
本文链接:https://www.wllwen.com/yixuelunwen/swyx/3626003.html