本文關(guān)鍵詞：基于AdaBoost算法的手部動(dòng)作表面肌電信號(hào)分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：表面肌電信號(hào)是一種從肌肉表面通過表面電極采集的生物電信號(hào)，它在一定程度上能夠反映出肌肉的功能以及動(dòng)作狀態(tài)。從表面肌電信號(hào)準(zhǔn)確地提取信號(hào)的主要運(yùn)動(dòng)特征信息并完成動(dòng)作識(shí)別是表面肌電信號(hào)研究的關(guān)鍵性問題。本文針對日常的手部動(dòng)作識(shí)別分類問題，研究表面肌電信號(hào)的特征提取和模式識(shí)別。本文研究工作有以下幾個(gè)方面： 1.閱讀大量有關(guān)肌電信號(hào)，模式識(shí)別分類及優(yōu)化算法的論文，了解表面肌電信號(hào)的理論基礎(chǔ)、產(chǎn)生機(jī)制，以及近些年國內(nèi)外在肌電假肢、肌電信號(hào)分類方法問題上的研究進(jìn)展。 2.根據(jù)局部解剖學(xué)，確定與所選手部動(dòng)作有關(guān)的肌肉作為表面肌電信號(hào)采集源，通過MQ-8肌電信號(hào)采集儀完成四種手部動(dòng)作信號(hào)的采集。由于采集的原始肌電信號(hào)中含有許多噪聲干擾，本文軟件上設(shè)計(jì)高通、低通濾波器，陷波器完成對原始肌電信號(hào)的去噪處理，保留有效的肌電信號(hào)；采集的連續(xù)肌電信號(hào)不方便對信號(hào)進(jìn)行特征提取，本文采用移動(dòng)窗能量判別法對其進(jìn)行截取處理。對采集的原始肌電信號(hào)進(jìn)行預(yù)處理，有助于四種動(dòng)作肌電信號(hào)的模式識(shí)別。 3.對表面肌電信號(hào)在時(shí)域、頻域、時(shí)頻域三個(gè)方面特征提取，通過三者比較選擇能夠清晰分辨四種動(dòng)作的特征，作為表面肌電信號(hào)模式識(shí)別的依據(jù)。本文利用小波包分析，選擇小波包系數(shù)方差作為特征向量用來區(qū)分四種動(dòng)作的特征向量，在盡量減少特征向量數(shù)量的情況下，同時(shí)保證分類效果。 4.根據(jù)常見的分類算法，選擇適合于表面肌電信號(hào)模式識(shí)別分類的方法，研究BP神經(jīng)網(wǎng)絡(luò)、SVM算法、AdaBoost算法、以及對AdaBoost算法的改進(jìn)。本文利用BP神經(jīng)網(wǎng)絡(luò)、SVM算法、AdaBoost算法作為對比實(shí)驗(yàn)，，計(jì)算三種方法對四種動(dòng)作的識(shí)別率，分析AdaBoost算法在表面肌電信號(hào)動(dòng)作分類的優(yōu)勢，以及AdaBoost算法在疲勞肌電信號(hào)干擾下的識(shí)別能力，同時(shí)，計(jì)算各種算法完成動(dòng)作分類的迭代次數(shù)。 5.進(jìn)行了仿真實(shí)驗(yàn)，結(jié)果表明，本文研究的AdaBoost算法在表面肌電信號(hào)在訓(xùn)練的過程中，保證準(zhǔn)確率的同時(shí)，對疲勞狀態(tài)下的識(shí)別也有很好的效果，達(dá)到了論文預(yù)期目的。
【關(guān)鍵詞】：表面肌電信號(hào) 小波包分析 AdaBoost算法 模式識(shí)別
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R318.03;TN911.3
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 課題來源10
• 1.2 課題研究背景與意義10-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-14
• 1.3.1 肌電假肢控制的研究現(xiàn)狀12-14
• 1.3.2 表面肌電信號(hào)分類的研究現(xiàn)狀14
• 1.4 本文主要工作與結(jié)構(gòu)安排14-18
• 1.4.1 本文主要工作14-15
• 1.4.2 本文結(jié)構(gòu)安排15-18
• 第2章 表面肌電信號(hào)的產(chǎn)生機(jī)理及采集18-28
• 2.1 表面肌電信號(hào)的概述與產(chǎn)生機(jī)理18-19
• 2.2 表面肌電信號(hào)的特點(diǎn)19-20
• 2.3 肌電信號(hào)的數(shù)學(xué)模型20-21
• 2.4 表面肌電信號(hào)的采集21-27
• 2.4.1 表面肌電信號(hào)采集儀21-22
• 2.4.2 電極的選擇22-23
• 2.4.3 手部動(dòng)作的肌肉選擇23-24
• 2.4.4 表肌電信號(hào)的采集24-27
• 2.5 本章小結(jié)27-28
• 第3章 表面肌電信號(hào)處理與特征提取方法研究28-44
• 3.1 表面肌電信號(hào)去噪28-30
• 3.2 連續(xù)肌電信號(hào)截取30-32
• 3.3 肌電信號(hào)特征提取方法32-42
• 3.3.1 時(shí)域特征提取32-34
• 3.3.2 頻域特征提取34-35
• 3.3.3 時(shí)頻域特征提取35-42
• 3.4 本章小結(jié)42-44
• 第4章 表面肌電信號(hào)分類方法研究44-58
• 4.1 人工神經(jīng)網(wǎng)絡(luò)44-46
• 4.2 BP 神經(jīng)網(wǎng)絡(luò)46-48
• 4.3 SVM 算法48-49
• 4.4 AdaBoost 算法49-51
• 4.5 AdaBoost 算法網(wǎng)絡(luò)設(shè)計(jì)51-56
• 4.6 本章小結(jié)56-58
• 第5章 表面肌電信號(hào)模式識(shí)別實(shí)驗(yàn)58-68
• 5.1 實(shí)驗(yàn)設(shè)計(jì)58-59
• 5.2 模式識(shí)別結(jié)果分析59-66
• 5.2.1 BP 神經(jīng)網(wǎng)絡(luò)隱函層節(jié)點(diǎn)數(shù)識(shí)別率分析59-61
• 5.2.2 AdaBoost 算法弱分類器個(gè)數(shù)識(shí)別率分析61-62
• 5.2.3 表面肌電信號(hào)三種分類方法識(shí)別率62-63
• 5.2.4 AdaBoost 算法與 BP 神經(jīng)網(wǎng)絡(luò)誤差63-64
• 5.2.5 疲勞肌電信號(hào)干擾的 AdaBoost 算法分類識(shí)別64-66
• 5.2.6 AdaBoost 算法與 BP 神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)66
• 5.3 本章小結(jié)66-68
• 第6章 總結(jié)與展望68-70
• 6.1 總結(jié)68
• 6.2 展望68-70
• 參考文獻(xiàn)70-76
• 作者簡介76-78
• 致謝78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊廣映,羅志增;肌電信號(hào)的功率譜分析方法[J];傳感技術(shù)學(xué)報(bào);2004年03期

2 加玉濤;羅志增;;肌電信號(hào)特征提取方法綜述[J];電子器件;2007年01期

3 梁政,楊基海,錢曉進(jìn),陳香,葉xC,榮蓓鈺,譚春祥,馮煥清;基于時(shí)頻分布的表面肌電信號(hào)瞬時(shí)中值頻率的研究[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2004年01期

4 葉明;孫承奎;馬文杰;;基于Hilbert-Huang邊際譜的肌電信號(hào)特征提取[J];機(jī)電工程;2008年09期

5 張禹;馬駟良;張忠波;韓笑;;基于AdaBoost算法與神經(jīng)網(wǎng)絡(luò)的快速虹膜檢測與定位算法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2006年02期

6 董元方;李雄飛;李軍;李巍;;XML文檔分類的IL-AdaBoost算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年04期

7 郭喬進(jìn);李立斌;李寧;;一種用于不平衡數(shù)據(jù)分類的改進(jìn)AdaBoost算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年21期

8 楊曉帆;陳廷槐;;人工神經(jīng)網(wǎng)絡(luò)固有的優(yōu)點(diǎn)和缺點(diǎn)[J];計(jì)算機(jī)科學(xué);1994年02期

9 劉伊威;趙京東;;機(jī)器人靈巧手的研究與發(fā)展[J];機(jī)械傳動(dòng);2009年04期

10 蔡立羽,王志中,劉瑜;基于盲辨識(shí)理論的雙通道肌電信號(hào)建模與分類[J];上海交通大學(xué)學(xué)報(bào);2000年11期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 蘭天;多指仿人機(jī)器人靈巧手的同步控制研究[D];哈爾濱工業(yè)大學(xué);2010年

2 李陽;智能仿生手臂肌電信號(hào)—運(yùn)動(dòng)模型化與模式識(shí)別理論方法研究[D];吉林大學(xué);2012年

  本文關(guān)鍵詞：基于AdaBoost算法的手部動(dòng)作表面肌電信號(hào)分類方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：289466