基于多通道肌電信號的手指康復動作研究.pdf

1、當代社會，由腦卒中風等神經(jīng)系統(tǒng)疾病或是意外傷害所引起的肢體功能弱化甚至偏癱的情形已屢見不鮮?？祻歪t(yī)學作為一個現(xiàn)今醫(yī)學界新興發(fā)展的技術(shù)研究領(lǐng)域，針對上述傷患提出了主動康復的概念。即以患者自身的體質(zhì)信息為控制源，外部設(shè)備為輔配合進行康復訓練。這樣能夠有效地體現(xiàn)患者本身的“訓練參與感”，相比被動康復有著更好的實踐效果。
　　表面肌電信號(surface electromyogram signal，sEMG)是人體肌肉運動時在皮膚表面采集

2、到的微弱生物電信號，在一定程度上能夠反應(yīng)出人體神經(jīng)與肌肉的功能狀態(tài)。它具有實時性強，仿生性好，并且無創(chuàng)傷的特點，現(xiàn)已成為仿生康復手控制領(lǐng)域中最常用的信號源。目前肌電信號的模式辨識當中主要存在以下問題:識別動作種類少、穩(wěn)定性和實時性較差。因此，在保證高識別率的前提下，如何提高實驗穩(wěn)定性以及縮短算法延時成為本文的主要研究內(nèi)容，這從康復醫(yī)學的角度上來講也具有重要的理論與應(yīng)用價值。
　　本文主要工作包括:
　　(1)結(jié)合自主研制的1

3、2通道表面肌電信號采集器的特點，利用3D掃描、三維建模以及3D打印技術(shù)制作了前臂電極陣列板，并根據(jù)人手前臂肌肉解剖圖和所選手指動作類型，確定采集電極的布置方式，保證了采集實驗的穩(wěn)定性。通過滑動窗白法將實驗采集得到的表面肌電信號進行分割預處理，并分析其參數(shù)對算法延時的影響。
　　(2)選擇時域分析法、AR參數(shù)模型法和時頻域分析法對屈拇指、屈食指、屈中指、屈無名指、屈小指、屈五指這6種動作的sEMG數(shù)據(jù)樣本進行特征提取，并對各個特征空

4、間進行了有效性評價。通過主元分析的方法將提取的三種特征矩陣進行降維優(yōu)化，去除冗余信息，獲得了更加精簡的有效的特征矩陣。
　　(3)根據(jù)BP神經(jīng)網(wǎng)絡(luò)和SVM的理論并結(jié)合6種動作的表面肌電信號時域特征矩陣、AR模型系數(shù)特征矩陣與小波包相對能量系數(shù)特征矩陣，確定了分類器的各個模型參數(shù)，設(shè)計出了基于sEMG的BP神經(jīng)網(wǎng)絡(luò)和SVM多分類器。最后提出了平方調(diào)解法來提取原始表面肌電信號的特征包絡(luò)線，完成教師樣本標簽的制定。
　　(4)完成

5、了分類器的訓練和測試并將表面肌電信號時域特征、AR模型系數(shù)特征以及小波包相對能量系數(shù)特征在BP神經(jīng)網(wǎng)絡(luò)和多分類支持向量機兩種分類器中的模式識別效果進行對比分析，實驗顯示小波包相對能量系數(shù)特征與多分類支持向量機組合分類效果最佳。
　　本文針對現(xiàn)階段表面肌電信號在模式識別領(lǐng)域內(nèi)所存在的問題研制出表面電極陣列板，在一定程度上保證了采集實驗的穩(wěn)定性;并結(jié)合滑動窗口法與平方調(diào)解法使得最終模式識別正確率達到了98.78％，為康復器械以及智能假