基于主元分析和线性判别分析的表面肌电信号动作识别的研究

摘要

近年来，随着计算机、模式识别、现代信号处理等技术的不断更新，国内外研究人员开展了对表面肌电信号的深入研究。研究表明，表面肌电信号对于残疾人的肌肉康复工程、运动员的肌肉训练项目以及智能假肢、智能轮椅的控制应用有着重要的意义。本文在深入了解表面肌电信号产生机理的基础上，根据表面肌电信号的性质特征，主要研究上肢前臂的表面肌电信号采集、动作模式特征提取以及动作模式分类算法，进而实现人体上肢前臂展拳、握拳、手腕外翻、手腕内翻四种动作模式的判别分类。这为最终实现肌电轮椅的控制提供了一定的理论依据和实践基础。本文的主要工作及创新之处如下：
　　（1）构建了肌电信号采集实验平台，包括表面肌电信号采集硬件电路设计和基于虚拟仪器的软件平台。采用此平台能够实时采集到可靠稳定的表面肌电信号数据。
　　（2）针对表面肌电信号的非平稳性及小波包变换系数维数过高的问题，为了能够有效的获得表面肌电信号的特征参数，准确表征表面肌电信号，提出一种小波包主元分析的表面肌电信号动作模式特征提取新方法。对采集到的肱桡肌和桡侧腕曲肌两路表面肌电信号进行小波包主元分析，从而获得运动模式特征矩阵；并与时域分析、小波包分析等特征提取方法进行对比实验。通过使用线性判别分类器进行对比实验可得，小波包主元分析法优于时域分析法和小波包分析法，能够更加有效的表征表面肌电信号。
　　（3）为了能够更加准确识别上肢动作，采用线性判别分析法对表面信号进行动作识别。通过与BP网络、RBF网络、支持向量机等分类器进行对比实验可得，线性判别分析法对运动模式特征矩阵的识别率更高。
　　实验表明，运用此算法能够成功识别人体上肢前臂握拳、展拳、手腕内翻、手腕外翻四种动作模式，并且达到99.5％的动作平均识别率。

目录

封面

声明

中文摘要

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及其意义

1.2 国内外研究现状

1.3 本文研究内容

1.4 本课题章节安排

1.5 本章小结

2 SEMG信号采集系统硬件电路设计

2.1 硬件系统总体设计

2.2 SEMG的拾取

2.3 SEMG信号调理电路设计

2.4 供电系统设计

2.5 DAQ板卡

2.6 SEMG信号数据分析

2.7 本章小结

3 SEMG信号采集系统软件设计

3.1软件系统总体设计

3.2基于LabVIEW的SEMG信号采集系统软件设计

3.3 本章小结

4 SEMG信号特征提取

4.1 时域分析及其特征参数

4.2 频域分析及其特征参数

4.3 时-频域分析及其特征参数

4.4 基于小波包主元分析的SEMG信号特征提取

4.5 本章小结

5 SEMG信号动作识别

5.1 基于线性判别分析的SEMG信号动作识别

5.2 基于BP神经网络的SEMG动作识别

5.3 基于RBF神经网络的SEMG动作识别

5.4 基于支持向量机的SEMG动作识别

5.5 四种分类方法的分类结果分析

5.6 本章总结

6 总结与展望

6.1 研究总结

6.2 研究展望

参考文献

附录

作者简历

学位论文数据集