外骨骼控制系统中表面肌电图信号的处理和识别

摘要

对于外骨骼装置的研究，早在20世纪60年代就已经在因外出现。然而由于受技术条件以及材料的限制，外骨骼的研究一直处于缓慢发展阶段。进入21世纪，随着美国的BLEEX下肢外骨骼和日本的HAL外骨骼助力系统的出现，国内外对外骨骼的研究进入了一个新的阶段：具有强力度的轻质材料逐渐出现；控制方法更加灵活智能；能量源的设计及持久使用研究进一步发展。此外，另一项新出现的研究就是表面肌电信号在外骨骼控制系统中的应用。肌电信号的模式识别是肌电应用于控制的基础。随着信号处理方法和计算机技术的发展，如何从表面肌电信号中提取有效信息并实现准确的动作识别，是肌电控制外骨骼的实用化基础。本文在对目前已有的表面肌电信号(sEMG)的特征提取和分类方法进行广泛调研和深入分析的基础上，深入讨论了如何由身体表面采集的肌电信号来识别上肢的不同运动模式。其目的是为肌电控制的实用化提供理论依据，提高SEMG波形识别的准确率和速度。主要研究内容及所作的创新点如下：
　　 1．采用表面肌电信号检测仪MyoTrac Infiniti Clinical T9850US提取上肢表面肌电信号，采用参数模型方法对肌电信号的特征提取方法进行了探讨。表面肌电信号的分析和预处理使用长度为512的傅里叶变换，选取Hanning窗的长度为256。通过对肌电信号的分析，对其建立四阶AR参数模型，采用改进的U-C算法对肌电信号AR模型的系数进行估计。实验证明，采用AR参数模型方法，能够提高信号处理的速度，且由于AR参数模型本身的特点，受外界环境的干扰较小，稳定性较高。
　　 2．基于人手做展拳、握拳、前臂内旋、前臂外旋等不同动作时采集到的肌电信号，首先提取其有效的动作信号，再利用AR参数模型法提取特征，设计BP网络的输入层为8个神经元（计算的AR特征系数数目为8），输出层神经元数目为4（待分类的动作模式为4）。选择从健康受试者上肢采集的10组表面肌电信号作为实验数据，采用BP网络作为分类器对不同动作进行分类识别，取得了较为满意的结果。