發(fā)布時間：2022-02-20 10:43

　　表面肌電信號（Surface Electromyography,sEMG）是通過表面電極記錄的肌肉運動生物電信號,它可以反映神經(jīng)和肌肉的功能狀態(tài)。隨著科技的不斷進步,國內(nèi)外研究學(xué)者對sEMG信號的研究也逐步深入,尤其是在運動訓(xùn)練、術(shù)后復(fù)健、臨床醫(yī)學(xué)等領(lǐng)域得到廣泛的應(yīng)用。目前在單自由度的假肢控制中sEMG信號已逐步應(yīng)用,并趨近達到商業(yè)化的目的。但針對多自由度智能設(shè)備的控制,sEMG信號仍然存在諸多問題有待解決,多通道表面肌電信號的特征提取與分類識別更是其中亟待突破的難題。隨著深度學(xué)習(xí)領(lǐng)域的異軍突起,深度學(xué)習(xí)模型對sEMG信號手勢動作的精準程度有顯著提升。深度神經(jīng)網(wǎng)絡(luò),對建立多模態(tài)的感知計算模型具有很強的應(yīng)用價值,但同時也要求具有足夠的數(shù)據(jù)量作為支持。市場上現(xiàn)存的精密假肢價格一般較高,實驗室肌電處理方法主要在計算機仿真平臺上進行測試,與實際使用還存在一定差距。為解決sEMG信號在實際應(yīng)用上存在的問題,本文提出了一種基于深度學(xué)習(xí)模型的sEMG信號手勢動作識別算法,通過深度學(xué)習(xí)模型完成對sEMG信號手勢動作的識別,未來可以作為深度智能儀器控制系統(tǒng)。首先,本文選用瑞士 Ninapro公開數(shù)據(jù)庫,... 

【文章來源】：延邊大學(xué)吉林省211工程院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究目的和意義
    1.2 國內(nèi)外相關(guān)領(lǐng)域研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)機器學(xué)習(xí)的sEMG信號手勢動作識別方法
        1.2.2 基于深度學(xué)習(xí)的sEMG信號手勢動作識別方法
    1.3 研究內(nèi)容及主要工作
    1.4 本文結(jié)構(gòu)
第2章 sEMG信號手勢動作識別的研究基礎(chǔ)
    2.1 引言
    2.2 sEMG信號概述
    2.3 sEMG信號預(yù)處理理論基礎(chǔ)
        2.3.1 sEMG信號特點與噪聲源
        2.3.2 巴特沃斯濾波器介紹
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 網(wǎng)絡(luò)結(jié)構(gòu)
        2.4.2 激活函數(shù)
        2.4.3 交叉熵損失函數(shù)
        2.4.4 優(yōu)化方法
        2.4.5 正則化
        2.4.6 批規(guī)范化
    2.5 本章小結(jié)
第3章 基于深度殘差網(wǎng)絡(luò)的表面肌電信號手勢動作識別算法
    3.1 引言
    3.2 sEMG信號的預(yù)處理
        3.2.1 巴特沃斯帶通濾波器對sEMG信號去噪
        3.2.2 利用sEMG信號的標準偏差濾除無信號段
        3.2.3 sEMG信號的擴充
    3.3 基于殘差網(wǎng)絡(luò)的sEMG信號手勢動作識別算法
        3.3.1 殘差網(wǎng)絡(luò)
        3.3.2 殘差學(xué)習(xí)
        3.3.3 殘差單元
        3.3.4 網(wǎng)絡(luò)的整體框架
    3.4 本章小結(jié)
第4章 實驗結(jié)果比較及分析
    4.1 引言
    4.2 實驗數(shù)據(jù)來源
    4.3 實驗平臺及參數(shù)設(shè)置
    4.4 實驗結(jié)果與對比分析
        4.4.1 不同重疊時間長度下的實驗結(jié)果對比與分析
        4.4.2 不同優(yōu)化方法下的實驗結(jié)果對比與分析
        4.4.3 不同批量尺寸下的實驗結(jié)果對比與分析
        4.4.4 不同方法實驗結(jié)果對比與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]基于全卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標分類[J]. 陳永生,喻玲娟,謝曉春.  雷達科學(xué)與技術(shù). 2018(03)
[2]人工神經(jīng)網(wǎng)絡(luò)中損失函數(shù)的研究[J]. 任進軍,王寧.  甘肅高師學(xué)報. 2018(02)
[3]面向深度學(xué)習(xí)過擬合問題的神經(jīng)網(wǎng)絡(luò)模型[J]. 劉丹楓,劉建霞.  湘潭大學(xué)自然科學(xué)學(xué)報. 2018(02)
[4]改進的卷積神經(jīng)網(wǎng)絡(luò)關(guān)系分類方法研究[J]. 李博,趙翔,王帥,葛斌,肖衛(wèi)東.  計算機科學(xué)與探索. 2018(05)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)
[6]手腕表面肌電信號的動作特征表示與識別[J]. 王紅旗,李林偉,毛啊敏.  控制工程. 2015(04)
[7]基于SVM的下肢運動表面肌電信號的特征提取與辨識分析[J]. 張羿,趙慧龍,張向剛,秦開宇.  載人航天. 2015(02)
[8]基于表面肌電信號的手腕動作模式識別[J]. 張啟忠,席旭剛,馬玉良,羅志增,佘青山.  中國生物醫(yī)學(xué)工程學(xué)報. 2013(03)
[9]基于小波包能量譜和SVM的水下目標識別[J]. 劉健,劉忠,熊鷹.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2012(02)
[10]基于小波包變換的肌電信號特征提取[J]. 石君,周美嬌,朱正平,傅志中.  微計算機信息. 2010(07)

博士論文
[1]肌電手勢識別中的多流融合和多視圖深度學(xué)習(xí)方法研究[D]. 衛(wèi)文韜.浙江大學(xué) 2018
[2]基于深度機器學(xué)習(xí)的體態(tài)與手勢感知計算關(guān)鍵技術(shù)研究[D]. 杜宇.浙江大學(xué) 2017
[3]基于肌電信號的人機接口技術(shù)的研究[D]. 何樂生.東南大學(xué) 2006

碩士論文
[1]基于支持向量機的表面肌電信號模式識別方法研究[D]. 黃赟偉.西安理工大學(xué) 2010



本文編號：3634880