基于sEMG辨識技術的手部動作行為研究.pdf

1、人體行為動作發(fā)生時,在骨骼肌表面用電極可以記錄到神經肌肉生物電信號,即表面肌電信號(surface Electromyography,sEMG)。這種信號直接反映人體神經、肌肉的功能狀態(tài),因此肌電控制的假肢仿生性好,患者操作使用方便,但是由于表面肌電信號的辨識技術不夠成熟,因此距廣泛應用還有一段距離。
　　 本文針對肌電假手,基于sEMG辨識技術,意在識別人手多種運動模式動作。主要內容包括:表面肌電信號采集并平臺搭建,表面肌電信

2、號的預處理方法以及手指姿態(tài)動作模式的識別。
　　 文中首先對國內外的肌電假手及肌電信號辨識技術的發(fā)展現狀進行詳細的綜述。隨后介紹肌電信號的產生和特點,并且從正常人手自由度出發(fā),重新科學規(guī)劃手勢動作,根據肌肉運動學相關原理選定電極位置,進一步搭建信號采集軟硬件平臺,進行采集實驗。
　　 在預處理方面,首先討論連續(xù)動作的分割算法,分析基于時間窗分割方法的弊端,研究基于動態(tài)累加和(Dynamic Cumulative Sum,

3、DCS)的分割方法。然后比較肌電信號的典型時域特征值(均值、均方根、過零點數)和頻域特征值(功率譜估計值和平均功率頻率)兩類特征參數,實驗結果得出時域特征均值方法簡單、物理意義直接、可分性強、計算速度快。綜合考慮響應速度與識別率,時域特征更適合作為肌電信號的辨識特征。
　　 在模式分類方面,選取人工神經網絡為辨識方法。在標準BP網絡算法的基礎上,針對其收斂速度慢、易陷入局部極小值的缺點進行改進,分別基于改進的單個BP神經網絡和三