【摘要】：手是人體運(yùn)動(dòng)最靈活的器官之一,手部動(dòng)作研究一直是康復(fù)醫(yī)療領(lǐng)域中一個(gè)值得關(guān)注的研究?jī)?nèi)容�，F(xiàn)在的智能假手只模擬肢體的閉合、張開等簡(jiǎn)單動(dòng)作,不能進(jìn)行精細(xì)動(dòng)作模擬。而應(yīng)用高密度表面肌電(High Density surface EMG,HD-sEMG)信號(hào)采集系統(tǒng),能克服傳統(tǒng)表面電極無(wú)法識(shí)別肌肉群sEMG信號(hào)的缺點(diǎn)。較多通道能檢測(cè)覆蓋在限定皮膚區(qū)域的肌肉電信號(hào),獲取整塊肌肉活動(dòng)區(qū)域sEMG信號(hào)的時(shí)域和空間域分布信息,利于對(duì)精細(xì)動(dòng)作sEMG信號(hào)的解析。由于人體手部運(yùn)動(dòng)尤其手指的EMG信號(hào)解析較困難,本文提出一種針對(duì)手指精細(xì)化動(dòng)作的HD-sEMG信號(hào)解析方法,對(duì)實(shí)驗(yàn)者手指四種不同彎曲角度(15°,45°,70°和90°)時(shí)指淺屈肌的HD-sEMG信號(hào)進(jìn)行解析。在本研究中,首先,將16通道HD-sEMG電極置于指淺屈肌上進(jìn)行HD-sEMG信號(hào)采集。在數(shù)據(jù)預(yù)處理方面,分別應(yīng)用主成分分析(Principle Components Analysis,PCA)、快速獨(dú)立元分析(Independent Components Analysis,ICA)和多類別共同空間模式(Multiclass Common Spatial Patterns,Multiclass CSP)對(duì)采集的HD-sEMG信號(hào)進(jìn)行空間濾波,以減少冗余信息,降低數(shù)據(jù)維數(shù),并求得分離矩陣以實(shí)現(xiàn)對(duì)原始信息的重構(gòu)。為了減少通道數(shù)量,即將肌肉電信號(hào)較強(qiáng)的通道從原通道中篩選出來,提出基于Multiclass CSP通道間互信息最大化的通道選擇方法,并將通道按互信息最大化進(jìn)行降序排列。其次,在特征提取方面,分別提取預(yù)處理后HD-sEMG信號(hào)的時(shí)域、頻域和經(jīng)小波包變換(Wavelet Packet Transform,WPT)分解后的時(shí)頻域特征。此外,將經(jīng)小波包變換分解后的時(shí)頻域特征與基于互信息最大化的通道選擇算法提取的HD-sEMG信號(hào)的空間特征相結(jié)合,對(duì)以上特征集進(jìn)行比較分析可得,時(shí)-空-頻域相結(jié)合的特征集對(duì)手指四種動(dòng)作模式具有更明顯的特征表示。最后,將不同空間濾波數(shù)據(jù)的時(shí)頻域特征與時(shí)-空-頻域特征相結(jié)合的特征集訓(xùn)練線性判別分析(Linear discriminant analysis,LDA)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)和支持向量機(jī)(Support Vector Machine,SVM)三種分類器,得出采用時(shí)-空-頻域特征相結(jié)合的支持向量機(jī)分類器,當(dāng)僅選擇5路原信號(hào)通道時(shí),便能達(dá)到86.7%的識(shí)別率。
【學(xué)位授予單位】：沈陽(yáng)工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN911.7;R496
【圖文】：

圖 1.1 手部姿態(tài)Fig. 1.1 Hand Gesture研究人員青睞于高密度電極進(jìn)行sEMG感知點(diǎn)，捕獲了單塊肌肉或肌肉群活相對(duì)應(yīng)的激活區(qū)域的地形圖。在相對(duì)

腕部上下左右 4 種運(yùn)動(dòng)模式以及手部開合 2 種模面肌電（High Density surface EMG, HD-sEMG）信號(hào)G 信號(hào)，應(yīng)用線性判別分析(Linear discriminant analysiMulticlass Common Spatial Patterns, Multiclass CSP）算識(shí)別，還得到了手指的力運(yùn)動(dòng)信息，與普通的低密集電極可呈現(xiàn)肌肉電信號(hào)位置，從而獲得更多的 EMG隊(duì)針對(duì)中風(fēng)患者康復(fù)問題，對(duì)前臂和上臂進(jìn)行了 HD通過建立的通道選擇驗(yàn)證了通道數(shù)量與識(shí)別準(zhǔn)確率之可以獲得較高的準(zhǔn)確率。王東青等[4]應(yīng)用 46 路 HD-sE處采集肌肉活動(dòng)電信號(hào)，如圖 1.2 所示，對(duì)胳膊和手部（Wavelet Packet Transform，WPT） WPT 特征時(shí)，分道數(shù)減少到期望的 10 路時(shí)，分類準(zhǔn)確度為 92.92%，也

高密度采集矩陣式電極采集了人體前臂肌肉的sEMG信號(hào)，利用高密度矩陣式電極特有的云圖，提出一種瞬時(shí)sEMG圖像識(shí)別手部姿態(tài)的方法，如圖1.3所示，為通過瞬時(shí)sEMG信號(hào)圖像識(shí)別手勢(shì)的示意圖，與傳統(tǒng)sEMG信號(hào)的特征分析方法不同，他們通過直接分析HD-sEMG信號(hào)形成的二維空間圖像進(jìn)行模式識(shí)別，然后應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)手部姿態(tài)進(jìn)行分類。網(wǎng)絡(luò)的輸入為不同時(shí)刻HD-sEMG信號(hào)圖像，不同手部姿勢(shì)作為網(wǎng)絡(luò)的輸出，該模式識(shí)別方法對(duì)手部8種姿勢(shì)的識(shí)別率達(dá)到89.3%。128通道sEMG信號(hào)816圖像分類深度卷積神經(jīng)網(wǎng)絡(luò)16行8列圖1.3 通過瞬時(shí)sEMG圖像識(shí)別手勢(shì)的示意圖Fig. 1.3 Schematic illustration of gesture recognition by instantaneous sEMG images1.3 手部動(dòng)作的國(guó)內(nèi)外研究現(xiàn)狀上述研究者應(yīng)用 HD-sEMG 信號(hào)完成了對(duì)胸部肌肉活動(dòng)的研究及手部、肘部、肩部運(yùn)動(dòng)模式的識(shí)別。然而，目前對(duì)手部的研究?jī)H局限于手部的張開、閉合動(dòng)作，為無(wú)動(dòng)力、無(wú)交互的簡(jiǎn)單裝置。近年來，隨著機(jī)器人技術(shù)的飛速發(fā)展和深度研究，研發(fā)出能夠補(bǔ)償人體缺失的運(yùn)動(dòng)功能、感覺功能及性能逼近人類的智能機(jī)器人或輔助器械

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 部義峰;李世明;;遞增負(fù)荷誘發(fā)肌肉疲勞過程中肌肉sEMG與負(fù)荷的非線性關(guān)系研究[J];山東體育學(xué)院學(xué)報(bào);2013年06期

2 王樂軍;陸愛云;龔銘新;毋江波;董菲;張磊;;sEMG指標(biāo)監(jiān)測(cè)快速點(diǎn)擊鼠標(biāo)致指伸肌疲勞的適用性評(píng)價(jià)研究[J];體育科學(xué);2013年01期

3 王東巖;李慶玲;杜志江;孫立寧;葉騰茂;;小波分析在表面肌電信號(hào)(sEMG)研究中的應(yīng)用[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2008年04期

4 王樂軍;黃勇;龔銘新;陳志勇;許翔;馬國(guó)強(qiáng);;小波包分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合探索運(yùn)動(dòng)性肌肉疲勞過程中sEMG變化特征[J];體育科學(xué);2009年12期

5 蔡明明;徐建中;王凌云;馬艷芬;王鋒;孟憲華;;體操運(yùn)動(dòng)員腰部豎脊肌疲勞過程中sEMG的變化[J];首都體育學(xué)院學(xué)報(bào);2006年04期

6 劉耀榮;;骨骼肌不同速度離心收縮時(shí)肌力與sEMG交互特征[J];西安體育學(xué)院學(xué)報(bào);2008年05期

7 王奎,劉建紅,宋剛;sEMG技術(shù)在評(píng)價(jià)運(yùn)動(dòng)性疲勞方面的方法及應(yīng)用[J];安徽體育科技;2004年03期

8 孫威;賈剛;;旋轉(zhuǎn)推鉛球最后用力階段肌肉用力特征的sEMG分析[J];山東體育學(xué)院學(xué)報(bào);2014年01期

9 陳慶杰;吳瑛;伍勰;;賽艇運(yùn)動(dòng)員拉槳技術(shù)運(yùn)動(dòng)學(xué)特征及其相關(guān)肌肉sEMG分析[J];上海體育學(xué)院學(xué)報(bào);2012年05期

10 周楠;滕燕;;基于SEMG的膝關(guān)節(jié)康復(fù)動(dòng)作模式識(shí)別技術(shù)研究[J];機(jī)械制造與自動(dòng)化;2016年06期

相關(guān)會(huì)議論文 前10條

1 王江;李韜;費(fèi)向陽(yáng);曾啟明;張立;;遺傳算法在sEMG分解中的應(yīng)用[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

2 周里;劉耀榮;;跳躍運(yùn)動(dòng)員膝關(guān)節(jié)屈伸肌群不同速度向心收縮時(shí)肌力與sEMG變化特征[A];第12屆全國(guó)運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)論文匯編[C];2008年

3 王東巖;董旭;孫忠人;;基于sEMG評(píng)價(jià)的不同穴位電刺激方法對(duì)腦卒中后上肢功能重建影響的研究[A];中國(guó)針灸學(xué)會(huì)針推結(jié)合專業(yè)委員會(huì)成立大會(huì)暨針灸教育與腧穴應(yīng)用學(xué)術(shù)研討會(huì)論文匯編[C];2010年

4 王樂軍;陸愛云;龔銘新;毋江波;董菲;張磊;;sEMG指標(biāo)監(jiān)測(cè)快速點(diǎn)擊鼠標(biāo)致指伸肌疲勞的適用性評(píng)價(jià)研究[A];第十五屆全國(guó)運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)（CABS2012）論文摘要匯編[C];2012年

5 崔景輝;付麗敏;;競(jìng)技武術(shù)套路中搬腳朝天蹬直立平衡動(dòng)作下肢肌肉用力特征的sEMG分析[A];第十五屆全國(guó)運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)（CABS2012）論文摘要匯編[C];2012年

6 王樂軍;黃勇;龔銘新;馬國(guó)強(qiáng);;sEMG指標(biāo)評(píng)價(jià)全力蹬踏自行車運(yùn)動(dòng)致股直肌疲勞的敏感性和穩(wěn)定性分析[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(2)[C];2011年

7 葉偉;陳劍;吳飛;王健;;運(yùn)動(dòng)負(fù)荷誘發(fā)局部肌肉疲勞和恢復(fù)過程中SEMG信號(hào)復(fù)雜度變化[A];中國(guó)人類工效學(xué)學(xué)會(huì)第六次學(xué)術(shù)交流會(huì)論文摘要匯編[C];2003年

8 王凌云;肖云;董惠榮;王鋒;馬艷芬;孟憲華;;應(yīng)用sEMG評(píng)定乒乓球運(yùn)動(dòng)員上肢肌疲勞的研究[A];第七屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編（二）[C];2004年

9 王立平;李建設(shè);;青年女性著高跟鞋行走時(shí)下肢肌肉sEMG信號(hào)變化——與疲勞的相關(guān)研究[A];第十屆全國(guó)運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)論文匯編[C];2002年

10 劉耀榮;周里;;骨骼肌不同負(fù)荷離心收縮時(shí)肌力與sEMG交互特征[A];第12屆全國(guó)運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)論文匯編[C];2008年

相關(guān)博士學(xué)位論文 前6條

1 劉加海;基于sEMG信號(hào)非線性動(dòng)力學(xué)分析的肌肉功能狀態(tài)評(píng)價(jià)研究[D];浙江大學(xué);2001年

2 范淵杰;基于sEMG與交互力等多源信號(hào)融合的下肢外骨骼康復(fù)機(jī)器人及其臨床實(shí)驗(yàn)研究[D];上海交通大學(xué);2014年

3 楊鋯;不同類型身體活動(dòng)的軀干肌群sEMG反應(yīng)模式[D];浙江大學(xué);2012年

4 陳彥釗;基于sEMG信號(hào)的上肢自主康復(fù)訓(xùn)練動(dòng)作模式識(shí)別[D];山東大學(xué);2015年

5 李慶玲;基于sEMG信號(hào)的外骨骼式機(jī)器人上肢康復(fù)系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2009年

6 史小華;坐/臥式下肢康復(fù)機(jī)器人研究[D];燕山大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳淑甜;基于sEMG的時(shí)—空—頻域手指動(dòng)作識(shí)別研究[D];沈陽(yáng)工業(yè)大學(xué);2019年

2 張振陽(yáng);基于sEMG人手動(dòng)作識(shí)別的康復(fù)機(jī)械手控制研究[D];浙江工業(yè)大學(xué);2019年

3 張?zhí)?脛骨前肌不同時(shí)間皮膚預(yù)冷刺激進(jìn)行中低負(fù)荷等長(zhǎng)收縮時(shí)sEMG變化特征[D];蘇州大學(xué);2018年

4 高興雷;基于sEMG的康復(fù)機(jī)器人控制方法研究[D];東北大學(xué);2013年

5 葉偉;靜態(tài)運(yùn)動(dòng)負(fù)荷誘發(fā)肌肉疲勞過程中SEMG信號(hào)變化的生理機(jī)制[D];浙江大學(xué);2002年

6 康博;基于sEMG的頸部仰臥位生理特性研究及舒適性評(píng)價(jià)[D];哈爾濱工業(yè)大學(xué);2015年

7 李延軍;優(yōu)秀旋轉(zhuǎn)推鉛球運(yùn)動(dòng)員張竣主要技術(shù)階段肌肉用力特征的sEMG分析[D];華東師范大學(xué);2010年

8 韓瑜;鞋跟高度在步行過程中與相關(guān)肌肉sEMG及足底壓力的關(guān)系[D];武漢體育學(xué)院;2012年

9 胡玉葉;基于sEMG信號(hào)的上肢康復(fù)機(jī)器人訓(xùn)練系統(tǒng)的研究[D];天津理工大學(xué);2017年

10 黎超明;基于sEMG評(píng)價(jià)的齊刺法對(duì)改善腦卒中患者膝關(guān)節(jié)控制能力的研究[D];黑龍江中醫(yī)藥大學(xué);2012年

本文編號(hào)：2786218