隨著我國下肢肢體殘疾人數(shù)的增加和社會逐漸進入老齡化階段,強有力地保障殘疾人和老年人的下肢運動功能是非常重要的。首先需要對下肢步態(tài)動作進行精準地識別,研究內(nèi)容有利于用戶的日常生活監(jiān)視和監(jiān)測,人機交互,患者的康復和治療以及智能假肢的應用。本課題首次融合肌音信號（MMG）和姿態(tài)角度信號對三種靜態(tài)動作:站、坐、蹲;四種動態(tài)轉移動作:站→坐、坐→站、站→蹲、蹲→站;四種動態(tài)動作:走、下樓、上樓、跑共1 1種步態(tài)動作進行識別研究。使用一套無線裝置采集大腿四塊肌肉的MMG和姿態(tài)角度信號。經(jīng)過預處理和動作分割之后,提取時域、頻域和時頻域特征。研究了基于隨機森林（RF）的特征重要度分析。并且對比了基于RF和支持向量機（SVM）在特征數(shù)目和識別率的關系。隨之進行主成分分析（PCA）降維,對比分析基于RF和SVM的降維程度與識別率的關系。首次采用隱馬爾科夫模型（HMM）進行四種動態(tài)動作的識別,并與SVM和二次判別分析（QDA）進行對比,對特征組合、通道組合、肌肉貢獻率等方面進行深入研究。結果表明,基于肌音信號的動態(tài)動作的識別率達98.27%,基于姿態(tài)角度信號的靜態(tài)和動態(tài)轉移動作識別率分別是98.33%和10... 

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
附錄
第1章 引言
    1.1 課題背景
    1.2 課題的目的和意義
    1.3 肌音信號研究現(xiàn)狀
        1.3.1 肌音信號概述
        1.3.2 基于肌音信號的研究現(xiàn)狀
    1.4 步態(tài)動作模式識別的研究現(xiàn)狀
        1.4.1 基于加速度信號的步態(tài)模式識別研究現(xiàn)狀
        1.4.2 基于角加速度信號的步態(tài)模式識別研究現(xiàn)狀
        1.4.3 基于肌電信號的步態(tài)模式識別研究現(xiàn)狀
        1.4.4 基于肌音信號的步態(tài)模式識別研究現(xiàn)狀
    1.5 步態(tài)動作模式的相關應用
        1.5.1 智能假肢的研究現(xiàn)狀和發(fā)展趨勢
        1.5.2 老年人活動監(jiān)測的研究現(xiàn)狀和發(fā)展趨勢
    1.6 本課題內(nèi)容簡介
        1.6.1 肌音信號和姿態(tài)角度信號的獲取
        1.6.2 信號預處理
        1.6.3 特征提取、特征選擇和特征降維
        1.6.4 分類器的設計
第2章 步態(tài)動作肌音和姿態(tài)角度信號的采集系統(tǒng)設計
    2.1 步態(tài)動作原始信號采集總體方案
    2.2 肌音和姿態(tài)角度信號的傳感器選擇
    2.3 信號采集系統(tǒng)的主控芯片選擇
    2.4 采集系統(tǒng)的無線傳輸模塊選擇
        2.4.1 無線通訊模式選擇
        2.4.2 傳輸模塊的設計
    2.5 接收端MATLAB界面
    2.6 本章小結
第3章 步態(tài)肌音和姿態(tài)角度信號的采集實驗設計和預處理
    3.1 步態(tài)肌音和姿態(tài)角度信號的采集實驗設計
        3.1.1 步態(tài)動作信號采集的肌肉群選擇
        3.1.2 步態(tài)動作信號采集的實驗方案
    3.2 步態(tài)動作肌音和姿態(tài)角度信號的預處理
        3.2.1 步態(tài)動作肌音信號的軟件濾波
        3.2.2 步態(tài)動作肌音信號的標準化
        3.2.3 步態(tài)動作肌音信號的動作分割
        3.2.4 步態(tài)動作姿態(tài)角度信號的動作分割
    3.3 本章小結
第4章 肌音信號的特征提取和特征選擇
    4.1 特征提取過程
    4.2 時域特征提取方法
        4.2.1 常用的時域特征
    4.3 頻域特征提取方法
        4.3.1 常用的頻域特征
    4.4 時頻域特征提取方法
        4.4.1 基于小波變換(WT)的特征提取
        4.4.2 基于小波包變換(WPT)的特征提取
    4.5 非線性特征提取方法
    4.6 特征選擇過程介紹
    4.7 主成分分析降維方法
    4.8 基于隨機森林的特征選擇和重要度分析
        4.8.1 隨機森林算法
        4.8.2 決策樹算法
        4.8.3 基于隨機森林的重要度分析
        4.8.4 基于隨機森林的重要度分析的實驗結果
    4.9 本章小結
第5章 融合肌音和姿態(tài)角度信號的步態(tài)模式識別
    5.1 模式識別主要過程
    5.2 基于姿態(tài)角度的靜態(tài)和動態(tài)轉移動作識別研究
        5.2.1 基于姿態(tài)角度信號的識別理論
        5.2.2 基于姿態(tài)角度的靜態(tài)及動態(tài)轉移動作的實驗結果
    5.3 基于肌音信號的動態(tài)動作識別研究
        5.3.1 基于二次判別分析的動態(tài)動作模式識別研究
        5.3.2 基于支持向量機的動態(tài)動作模式識別研究
        5.3.3 基于隱馬爾科夫模型的動態(tài)動作的模式識別研究
    5.4 QDA、SVM、HMM三種算法比較
        5.4.1 QDA、SVM、HMM特征選取比較
        5.4.2 QDA、SVM、HMM通道組合及肌肉貢獻率比較
        5.4.3 QDA、SVM、HMM其他參數(shù)比較
    5.5 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀碩士期間成果


【參考文獻】：
期刊論文
[1]肌音信號典型時域、頻域特征與肌力關系研究[J]. 謝佳智,夏春明,章悅,楊珂,余靜.  中國運動醫(yī)學雜志. 2019(11)
[2]基于粗糙集與人工蜂群算法的動態(tài)特征選擇[J]. 高薇,解輝.  計算機工程與設計. 2019(09)
[3]面向手語識別的肌音信號無線采集系統(tǒng)設計[J]. 封萬俊,夏春明,章悅,蔣文都,劉爽,余靜.  現(xiàn)代電子技術. 2019(18)
[4]基于肌音信號分形維數(shù)的上斜方肌靜態(tài)疲勞研究[J]. 蔣文都,夏春明,章悅,封萬俊.  航天醫(yī)學與醫(yī)學工程. 2019(03)
[5]基于隨機森林的語音情感特征選擇與分類[J]. 邢尹,劉立龍.  計算機與數(shù)字工程. 2019(03)
[6]基于肌音信號的握力運動時橈側腕屈肌動態(tài)疲勞分析[J]. 鐘豪,吳清,夏春明,章悅,顧曉琳,張勝利.  華東理工大學學報(自然科學版). 2018(05)
[7]綜合評價中數(shù)據(jù)標準化方法比較研究[J]. 劉競妍,張可,王桂華.  數(shù)字技術與應用. 2018(06)
[8]基于表面肌電相位同步分析的跌倒辨識研究[J]. 杜育乘,張婷婷,王曉云.  中國醫(yī)學物理學雜志. 2018(03)
[9]基于EEMD和多域特征融合的手勢肌電信號識別研究[J]. 馬欣欣,郭敏.  云南大學學報(自然科學版). 2018(02)
[10]基于肌音信號短時傅里葉變換的橈側腕屈肌疲勞程度研究[J]. 章悅,夏春明,鐘豪,顧曉琳.  華東理工大學學報(自然科學版). 2017(02)

碩士論文
[1]基于肌音信號的無線采集系統(tǒng)設計及手語識別初期應用研究[D]. 封萬俊.華東理工大學 2019
[2]基于肌音信號的頭部動作模式識別及其應用的研究[D]. 顧曉琳.華東理工大學 2018
[3]基于肌音信號的指部動作模式識別研究[D]. 宋中建.華東理工大學 2013
[4]表面肌電信號的特征提取與模式分類研究[D]. 邱青菊.上海交通大學 2009



本文編號：3711381