在表面肌電信號（Surface Electromyography,s EMG）模式識別領(lǐng)域中,目前研究大部分聚焦在不同肢體的靜態(tài)模式定性識別,主要是針對肢體特定的任務(wù)動作。但是在實際應(yīng)用過程中,除了需要知道肢體的動作外,還需要了解負載強度的變化以及關(guān)節(jié)角度運動位置信息,傳統(tǒng)的靜態(tài)定性模式識別無法調(diào)整運動幅度以及負載強度,從而無法對關(guān)節(jié)角度進行精準(zhǔn)預(yù)測。因此研究不同負載強度下的手腕角度連續(xù)預(yù)測具有重要的意義。針對以上問題,本文以手腕角度為研究對象,利用表面肌電信號與關(guān)節(jié)角度信號之間的相關(guān)性,以肌電特征以及神經(jīng)網(wǎng)絡(luò)為研究基礎(chǔ),開展手腕角度定量連續(xù)識別和不同負載下手腕角度預(yù)測研究,本文主要研究工作如下:（1）基于信噪比系數(shù)評價模型的表面肌電信號預(yù)處理。通過對表面肌電信號的特性進行分析,確定手腕角度表面肌電信號中可能混入的噪聲,采用數(shù)字信號濾波算法,設(shè)計了comb notch（梳狀）濾波器對工頻噪聲進行濾波處理。建立了信噪比系數(shù)評價模型,利用小波濾波算法對整個信號段數(shù)據(jù)進行信號降噪,實現(xiàn)了表面肌電信號的優(yōu)化處理。（2）基于特征相關(guān)性的時頻域特征組合。通過對時域以及頻域特征進行逐步過濾處理,構(gòu)建... 

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 課題相關(guān)國內(nèi)外研究現(xiàn)狀
        1.2.1 表面肌電信號特征提取研究現(xiàn)狀
        1.2.2 表面肌電信號模式識別研究現(xiàn)狀
        1.2.3 表面肌電信號關(guān)節(jié)角度研究現(xiàn)狀
    1.3 主要研究內(nèi)容
第2章 不同負載下肌電信號的采集和預(yù)處理
    2.1 不同負載下手腕肌電信號采集系統(tǒng)的構(gòu)建
        2.1.1 表面肌電信號的特性分析
        2.1.2 表面肌電信號的采集系統(tǒng)
        2.1.3 手腕角度采集方法
        2.1.4 手腕表面肌電信號采集方案設(shè)計
    2.2 不同負載下表面肌電信號預(yù)處理
        2.2.1 梳狀濾波器的設(shè)計
        2.2.2 自適應(yīng)小波降噪
    2.3 本章小結(jié)
第3章 手腕表面肌電信號特征提取與組合
    3.1 各種工況下的表面肌電信號
    3.2 手腕表面肌電信號的特征提取
        3.2.1 時域分析
        3.2.2 頻域分析
    3.3 手腕表面肌電信號的特征組合方式
    3.4 表面肌電信號特征降維
    3.5 特征歸一化處理
    3.6 本章小結(jié)
第4章 不同負載下手腕角度的連續(xù)預(yù)測
    4.1 基于GRNN的手腕角度預(yù)測
        4.1.1 廣義回歸神經(jīng)網(wǎng)絡(luò)原理
        4.1.2 廣義回歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    4.2 基于GA-ELM的手腕角度預(yù)測
        4.2.1 極限學(xué)習(xí)機原理
        4.2.2 極限學(xué)習(xí)機網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        4.2.3 遺傳算法優(yōu)化極限學(xué)習(xí)機
    4.3 手腕角度預(yù)測結(jié)果及分析
        4.3.1 不同負載下靜態(tài)手腕離散角度識別
        4.3.2 不同負載下手腕連續(xù)角度預(yù)測
        4.3.3 不同周期下手腕連續(xù)角度預(yù)測
    4.4 本章小結(jié)
第5章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
致謝
參考文獻
附錄1 攻讀碩士學(xué)位期間的成果
附錄2 攻讀碩士學(xué)位期間參加的科研項目


【參考文獻】：
期刊論文
[1]基于兩種改進閾值函數(shù)的表面肌電信號降噪研究[J]. 馬東,楊錚,王立玲.  現(xiàn)代電子技術(shù). 2020(01)
[2]人體表面肌電信號的時頻域特征提取研究[J]. 任麗曄,邵宗明,徐冬蕾.  長春大學(xué)學(xué)報. 2019(10)
[3]基于小波變換的肌肉疲勞表面肌電信號特征提取的研究[J]. 宋方禹,劉燁輝,朱立華,朱峻嶺,亓勤德,朱江.  生物醫(yī)學(xué)工程研究. 2019(01)
[4]肌電信號選擇對下肢關(guān)節(jié)連續(xù)運動估計的影響[J]. 李文鋒,余志剛,胡心韻.  機械設(shè)計與制造. 2019(03)
[5]基于下肢表面肌電信號的動作模式識別研究[J]. 范光輝,葛科鐸,王璐,謝能剛.  齊齊哈爾大學(xué)學(xué)報(自然科學(xué)版). 2018(06)
[6]采用優(yōu)化神經(jīng)網(wǎng)絡(luò)的下肢肌電信號的識別[J]. 王光旭,崔建松,張慶光,張培培.  廈門理工學(xué)院學(xué)報. 2018(01)
[7]基于SOA-ELM的手部動作識別方法實驗研究[J]. 孟瑞,岑豫皖,王璐,葛科鐸,朱興江.  安徽工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2017(03)
[8]肘關(guān)節(jié)屈運動相關(guān)肌肉表面肌電信號研究[J]. 何小耀,韋宇煒,何漢武,王俊華,曾科學(xué).  工程技術(shù)研究. 2016(07)
[9]基于多源信息和廣義回歸神經(jīng)網(wǎng)絡(luò)的下肢運動模式識別[J]. 劉磊,楊鵬,劉作軍.  機器人. 2015(03)
[10]下肢康復(fù)機器人及其交互控制方法[J]. 胡進,侯增廣,陳翼雄,張峰,王衛(wèi)群.  自動化學(xué)報. 2014(11)

碩士論文
[1]基于遺傳算法優(yōu)化極限學(xué)習(xí)機的房地產(chǎn)稅基批量評估研究[D]. 侯晨.青島理工大學(xué) 2018
[2]應(yīng)用sEMG評估手功能支具在腦卒中腕手功能障礙的作用研究[D]. 王桂麗.福建中醫(yī)藥大學(xué) 2017
[3]極限學(xué)習(xí)機結(jié)構(gòu)優(yōu)化及其應(yīng)用研究[D]. 孫鑫.廣西大學(xué) 2014



本文編號：3654248