基于表面肌电多特征的下肢行走关键模态识别研究

摘要

目前，疾病、事故以及重大灾难造成偏瘫、截瘫患者数目正以惊人的速度增长。这些患者因中枢系统神经损伤或神经末梢坏死而无法实现自主行走功能，迫切需要运用安全稳定的辅助器具帮助其康复。目前在辅具研究领域，人工神经假体和假肢技术已有了飞速的发展，但在控制效果方面尚未达到理想。
　　 表面肌电信号是人体重要的生理参数，其变化反映了肌肉的运动状况。本文通过多信道采集人体行走过程中下肢股直肌、股二头肌、腓肠肌、胫前肌处的表面肌电信号，经消噪预处理、特征参数提取、行走周期关键模态识别等技术环节，建立了可有效区分行走周期中关键模态的识别方法。其中，通过设计足跟触发同步信号电路实现了人体行走周期中四个关键模态的划分。在表面肌电信号消噪处理方面，运用20Hz高通滤波器有效地抑制了因运动所引起的低频噪声；分别以陷波器和独立分量分析滤波方法降低工频干扰，并通过对比发现独立分量分析在保留肌电信号有用信息方面有更大的优势。在特征参数提取方面，分别对各关键模态内肌电信号的均方根、时变AR模型系数、非线性小波空间强度进行了详细分析，发现随着关键模态的转换，均方根、时变AR模型系数、非线性小波空间强度均有明显的变化。在模态识别方面，分别以均方根、时变AR模型系数、非线性小波空间强度特征值作为BP神经网络的输入，以足跟触发同步信号电路的输出信号作为神经网络的目标输出，运用三种特征对关键模态的识别可获得最高99％、平均95％以上的正确率。
　　 研究结果表明：均方根、时变AR模型系数、非线性小波空间强度均可作为表面肌电切实有效的特征参数，并在关键模态的识别中取得了较为准确的识别效果，为表面肌电有效控制假肢或神经假体提供了依据。

目录

文摘

英文文摘

声明

第一章绪论

1.1表面肌电研究意义与研究现状

1.2肌电信号特征提取方法

1.3本文研究目的与主要内容

1.3.1研究目的

1.3.2主要内容与章节安排

第二章表面肌电信号采集与实验方案

2.1行走周期划分与关键模态标记

2.1.1行走周期划分

2.1.2行走周期对应关键模态标记

2.2表面肌电检测的下肢肌群位置选择

2.3表面肌电采集系统构成与受试者

2.3.1系统软件

2.3.2系统硬件

2.3.3实验受试者

2.4表面肌电信号采集实验

第三章表面肌电信号预处理

3.1消除低频噪声

3.2降低工频干扰

3.2.1 50Hz工频陷波

3.2.2 ICA滤除工频干扰

第四章表面肌电信号的特征提取

4.1时域特征参数

4.2序列模型特征

4.2.1常规AR模型

4.2.2时变AR模型

4.3时频特征参数

4.3.1非线性小波变换(NWT)

4.3.2强度分析

4.3.3强度分析在本课题中的应用

第五章关键模态识别方法与结果

5.1人工神经网络

5.1.1人工神经元模型

5.1.2激活传递函数

5.1.3 BP神经网络

5.2交叉验证

5.3 BP网络在本课题中的应用

第六章总结与展望

6.1总结

6.2展望

参考文献

发表论文和参加科研情况说明

致 谢