基于ARM的肌电假肢控制器设计与实现

摘要

目前，我国上肢残疾人数量越来越多，而他们使用的传统假肢由于造价高、体积大、使用不自然等原因给他们日常生活带来不便。随着科技的发展，一种基于表面肌电信号(surfaceElectromyoGraphy,sEMG)的智能假肢已成为研究热点，这种仿生手臂根据肌电信号实现相应动作，很大程度上提高了残疾人的生活自理能力，使其能更好的融入社会。
　　表面肌电信号是从人体表皮采集到的由肌肉活动产生的生物电信号，其蕴含了丰富的肌肉活动信息，能够反映人肢体的运动状态，以此作为假肢的控制源，能够实现假肢的多自由度控制。
　　针对目前肌电假肢手控制大多是基于阈值的张、合控制，操作灵活性差等问题，本文提出一种基于ARM的肌电假肢控制器设计方案，仅用2个肌电传感器实现5种动作模式的在线识别，分别是手掌上翻、下翻、握拳、展掌和无动作。系统分为硬件部分和软件部分，硬件部分主要包括:系统电源模块、处理器最小系统模块、信号放大调整模块和串口通信模块等;软件部分主要包括:信号A/D采集、IIR滤波、信号特征提取、BP神经网络识别等。
　　系统首先通过2个肌电传感器分别采集桡侧腕屈肌和尺侧腕屈肌的sEMG信号，由于原始sEMG信号微弱且是正负信号，所以要对此进行信号放大和调整，再输入到ARM核STM32处理器进行A/D采样，采样频率为2.4Khz。然后，在处理器中，利用IIR数字滤波器对采集到的sEMG信号进行带通滤波，并提取4种时域和频域特征值，分别为信号幅度绝对平均值(MAV）、信号标准差(SD)、中值频率(MF)和平均功率频率(MPF)。再后，将2路sEMG信号的4种特征组成一个8维特征向量，利用Matlab训练BP神经网络获得权值和阈值系数，根据BP网络输入层到隐层、隐层到输出层的传递函数公式，STM32对权值和阈值进行相应运算，得出对应5种动作的在线识别结果。最后根据识别结果串口输出控制信号控制假肢做相应动作。
　　对此进行大量仿真和实际实验，在Matlab仿真环境下对采集到的sEMG信号进行BP网络识别仿真，识别率可达98％。通过ARM系统实时采集手臂sEMG信号进行在线识别，结果表明系统识别率可达97％左右，具有较高的识别率且符合实时性要求，很好地满足了假肢手控制的需求。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景

1．2 肌电假肢控制的研究现状

1．3 本文研究内容及研究意义

1．4 论文结构

第二章 肌电信号及其在假肢中的应用

2．1 肌电信号产生原理

2．1．1 肌电信号生理特征

2．1．2 肌电信号采集肌肉的选择

2．2 肌电信号在假肢中的应用

2．2．1 肌电电极选择

2．2．2 sEMG特征提取方法

2．2．3 sEMG模式识别方法

2．3 本章小结

第三章 BP神经网络原理及其在Matlab中仿真

3．1 BP神经网络模型

3．2 BP神经网络学习算法

3．3 Matlab中BP神经网络建立

3．4 本章小结

第四章 sEMG实时手势识别系统硬件设计

4．1 微处理器的选型

4．2 系统硬件总体方案设计

4．3 系统电源设计

4．4 信号采集电路设计

4．5 信号调整电路设计

4．6 STM32处理器系统设计

4．6．1 主控制器STM32的优势

4．6．2 STM32主控电路设计

4．7 本章小结

第五章 sEMG实时手势识别系统软件设计

5．1 开发环境平台

5．1．1 ARM系统开发平台

5．1．2 BP神经网络仿真平台

5．2 系统软件总体设计方案

5．3 系统各模块软件设计

5．3．1 系统初始化程序设计

5．3．2 sEMG的DMA方式A／D采样程序设计

5．3．3 sEMG的IIR数字滤波程序设计

5．3．4 sEMG动作起止点判定程序设计

5．3．5 sEMG进行256点FFT程序设计

5．3．6 sEMG特征值提取程序设计

5．3．7 sEMG实时识别程序设计

5．3．8 假肢控制信号

5．4 BP神经网络MATLAB仿真程序

5．5 本章小结

第六章 sEMG手势识别系统仿真及分析

6．1 动作起止点判断实验

6．2 各特征值的分类效果实验

6．2．1 MAV特征值的聚类性分析

6．2．2 SD特征值的聚类性分析

6．2．3 MF特征值的聚类性分析

6．2．4 MPF特征值的聚类性分析

6．3 MATLAB仿真BP神经网络实验

6．3．1 BP神经网络手势识别实验

6．3．2 BP神经网络权值和阈值

6．4 本章小结

第七章 sEMG在线识别控制假手动作实验

7．1 ARM识别系统和假手驱动系统

7．1．1 ARM识别系统

7．1．2 假手驱动系统

7．2 系统在线识别实验

7．3 算法实时性分析

7．4 在线控制假手动作实验

7．5 本章小结

第八章 总结与展望

参考文献

在读期间发表的学术论文及其它成果

附录

致谢