基于改进能量核的下肢表面肌电信号特征提取方法

发布时间：2023-01-03 09:24

　　由于表面肌电信号（sEMG）具有非平稳、非周期和混沌等特性,导致传统的特征值提取方法存在实时性与准确性难以兼容的问题,基于此提出一种基于sEMG的改进能量核特征提取方法,对采集到的肌电信号进行处理。首先,在EMG振子模型的基础上,详细描述了新提出的"阈值矩阵计数"（threshold matrix count,TMC）特征提取方法;然后,通过在腿部10块不同肌肉表面粘贴肌电传感器来检测下肢不同运动过程中的肌电信号;采集到所需肌电信号后,对10块肌肉上的肌电信号分别进行特征提取,得到10个不同的特征向量x_k,并对其进行分析,选取了4块肌肉作为有效肌肉;最后将有效肌肉的特征向量x_k组合整理,得到特征矩阵X_k,将其输入BP神经网络进行训练,对4种运动模式进行识别。实验结果表明,提出的能量核特征提取方法相比于传统的两种能量核特征提取方法,运算效率分别提升了13倍和9倍;同时,相比常用的时、频域特征提取方法,训练后得到的模型具有更好的稳定性,平均识别精度为95.2%。 

【文章页数】：8 页

【部分图文】：

跨障时内侧腓肠肌双极EMG原始信号

3个矩形窗的对应平面相图

计数矩阵(N1=N2=20)

【参考文献】：
期刊论文
[1]基于Gabor小波-传递熵的脑-肌电信号同步耦合分析[J]. 张园园,邹策,陈晓玲,尹永浩,程生翠,陈迎亚,谢平.  生物医学工程学杂志. 2017(06)
[2]基于sEMG和GRNN的手部输出力估计[J]. 吴常铖,宋爱国,曾洪,李会军,徐宝国.  仪器仪表学报. 2017(01)
[3]基于块稀疏贝叶斯学习的肌电信号特征提取[J]. 丁帅,王亮.  仪器仪表学报. 2014(12)
[4]基于sEMG振子模型的骨骼肌等长收缩力与固有特性的能量核表征方法[J]. 陈幸,殷跃红,范渊杰.  科学通报. 2014(07)
[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)



本文编号：3727196