基于大腿残肢表面肌电信号的运动模式识别

摘要

穿戴假肢是下肢截肢者恢复日常生活的唯一途径，只有快速准确地识别残疾人的运动意图，才能实现对假肢的灵活控制。肌电信号能体现人体的运动意图，而且产生于人体真正运动之前，相比其它传感器信息具有显著优势。现阶段肌电信号运动模式识别的研究主要集中在健康人，但是残疾人由于肌肉的截断，其肌电信号与健康人存在很大的不同，因此利用残肢肌电信息识别不同运动模式具有重要的意义。本课题从残疾人出发，通过采集大腿残肢表面肌电信号识别下肢不同运动模式，识别结果可以为假肢提供控制源。主要的研究内容如下：
　　1.分析截肢对下肢肌肉的影响，选定下肢肌群，确定肌电信号采集方案。针对现有采集方案的不足，为截肢者设计内嵌式传感器系统，采集不同运动模式下大腿残肢表面肌电信号。
　　2.通过对不同运动模式肌电信号的分析，提出了一种基于移动窗的多数据段检测算法，实现了一个运动周期内多数据段的提取。并对多数据段进行特征提取，构建特征向量。
　　3.针对误导和冗余特征值，利用基于遗传算法的BP神经网络降维、基于遗传算法的偏最小二乘法降维、基于平均影响值的神经网络特征降维的方法对特征值进行降维。根据降维结果，确定最优特征向量。经过降维，特征值维数明显下降，而且识别率有所提高。
　　4.选定各数据段最优参数和数据段长度，用随机森林算法进行分段运动模式识别。根据识别结果，提出一种基于随机森林的二叉树周期性模式识别方法，实现了5种运动模式的周期性识别。实验结果证明，该方法提高了模式识别的准确率和实时性，有利于假肢的实时控制。

目录

声明

第一章 绪论

1.1 研究的意义与背景

1.2 国内外研究概况

1.3 主要研究内容

第二章 大腿残肢表面肌电信息采集

2.1 肌电信号概述

2.2 下肢肌肉选择

2.3 肌电信号采集方案

2.4 本章小结

第三章 残肢肌电信号的预处理与特征提取

3.1 不同运动模式下肌电信号分析

3.2 残肢肌电信号预处理

3.3 基于移动窗的多数据段检测算法

3.4 特征提取

3.5 本章小结

第四章 特征值降维

4.1 基于遗传算法的BP神经网络降维

4.2 基于遗传算法的偏最小二乘法降维

4.3 基于MIV的神经网络降维

4.4 最优特征向量确定

4.5 本章小结

第五章 多数据段融合的运动模式识别

5.1 随机森林算法

5.2 分段运动模式识别

5.3 基于随机森林的二叉树周期性模式识别

5.4 本章小结

第六章 结论

6.1 论文完成的主要工作

6.2 论文创新点

6.3 工作展望

参考文献

致谢

攻读学位期间所获得的相关科研成果