本文關(guān)鍵詞：上肢表面肌電信號的特征分析方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：表面肌電信號(surface electronomyography signal,s EMG)是通過表面電極從人體肌肉表面采集到的神經(jīng)肌肉活動時候發(fā)出的生物電信號。它為臨床醫(yī)學(xué)、康復(fù)醫(yī)學(xué)、運動醫(yī)學(xué)、神經(jīng)生理學(xué)等領(lǐng)域的研究和應(yīng)用提供了安全便捷的無創(chuàng)性切入口。隨著信號處理技術(shù)的發(fā)展,如何從表面肌電信號中提取出有效、準(zhǔn)確的特征信息并完成動作識別,已經(jīng)成為人體肌電假肢控制、殘疾人康復(fù)治療及機(jī)械臂驅(qū)動等重要的研究內(nèi)容。本文根據(jù)MATLAB/XPC Target的宿主機(jī)-目標(biāo)機(jī)模式的實時數(shù)據(jù)采集系統(tǒng),結(jié)合多個表面電極貼片,搭建了一個表面肌電信號的實驗采集平臺,用來完成對上臂六種不同動作的表面肌電信號的采集�；趯λ杉奖砻婕‰娦盘柼卣鞯姆治鲅芯�,本文完成了以下工作:1)選用小波包去噪方法對信號進(jìn)行去噪處理。實驗表明,與傳統(tǒng)方法相比,小波包去噪法的信噪比最高,均方根誤差和平滑度最小,去噪效果最好;該方法能有效濾除噪音信號并保留大量有用信號,最適合于表面肌電信號的去噪處理。2)分別從時域、頻域和時頻域(小波分析)三個方面對表面肌信號做特征提取。通過實驗分析對比,發(fā)現(xiàn)時域和頻域特征均不是特別明顯,而小波分析中小波系數(shù)的最大值和奇異值能較好地表征信號特征,可以用來構(gòu)建信號的特征矢量。3)采用神經(jīng)網(wǎng)絡(luò)分類法進(jìn)行分類決策;通過把動量BP法和LM算法改進(jìn)后的網(wǎng)絡(luò)與標(biāo)準(zhǔn)BP網(wǎng)絡(luò)的分類結(jié)果進(jìn)行比較分析發(fā)現(xiàn),動量BP網(wǎng)絡(luò)和LM網(wǎng)絡(luò)比標(biāo)準(zhǔn)BP網(wǎng)絡(luò)都有了較大提高;而效果最好的是LM網(wǎng)絡(luò),收斂速度最快,準(zhǔn)確率可以達(dá)到95%以上。
【關(guān)鍵詞】：表面肌電信號 小波包變換 去噪 特征提取 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R33;TN911.6
【目錄】：

• 摘要3-4
• Abstract4-9
• 第1章 緒論9-16
• 1.1 課題研究背景及意義9
• 1.2 肌電信號概述9-10
• 1.3 表面肌電信號的國內(nèi)外研究現(xiàn)狀10-14
• 1.3.1 表面肌電信號去噪處理研究現(xiàn)狀10-11
• 1.3.2 表面肌電信號特征提取研究現(xiàn)狀11-14
• 1.3.3 表面肌電信號分類識別研究現(xiàn)狀14
• 1.4 主要研究內(nèi)容及章節(jié)安排14-16
• 第2章 表面肌電信號的產(chǎn)生和采集16-31
• 2.1 肌肉電信號的產(chǎn)生機(jī)理16-17
• 2.2 肌電信號的特點及其數(shù)學(xué)模型17-21
• 2.2.1 肌電信號的特點17-18
• 2.2.2 肌電信號的數(shù)學(xué)模型18-21
• 2.3 動作模式和貼片位置的選擇21-22
• 2.3.1 動作模式的選擇21-22
• 2.3.2 電極位置選擇22
• 2.4 表面肌電信號的采集22-30
• 2.4.1 實驗采集系統(tǒng)23
• 2.4.2 肌電信號采集硬件23-26
• 2.4.3 肌電信號采集軟件26-29
• 2.4.4 肌電信號采集實驗29-30
• 2.5 本章小結(jié)30-31
• 第3章 表面肌電信號去噪分析31-45
• 3.1 噪聲信號來源分析31-32
• 3.2 數(shù)字濾波器去噪32-36
• 3.3 小波去噪36-42
• 3.3.1 小波基函數(shù)36-37
• 3.3.2 小波變換37-38
• 3.3.3 小波去噪的基本思想38-42
• 3.4 去噪分析42-44
• 3.4.1 去噪評價準(zhǔn)則42-43
• 3.4.2 去噪效果比較43-44
• 3.5 本章小結(jié)44-45
• 第4章 表面肌電信號特征提取分析45-58
• 4.1 時域分析方法45-46
• 4.2 頻域分析方法46-47
• 4.3 時頻分析法47-49
• 4.3.1 小波分析47
• 4.3.2 多分辨率小波分析47-49
• 4.4 實驗結(jié)果分析49-57
• 4.4.1 時域特征提取分析49-51
• 4.4.2 頻域特征提取分析51
• 4.4.3 小波特征提取分析51-56
• 4.4.4 特征向量的確定56-57
• 4.5 本章小結(jié)57-58
• 第5章 表面肌電信號的特征識別58-70
• 5.1 特征分類方法58-59
• 5.2 BP神經(jīng)網(wǎng)絡(luò)分類器59-64
• 5.2.1 BP標(biāo)準(zhǔn)算法61-62
• 5.2.2 BP算法改進(jìn)62-63
• 5.2.3 網(wǎng)絡(luò)設(shè)計63-64
• 5.3 實驗結(jié)果和分析64-69
• 5.4 本章小結(jié)69-70
• 第6章 總結(jié)與展望70-72
• 6.1 總結(jié)70-71
• 6.2 展望71-72
• 參考文獻(xiàn)72-76
• 致謝76-77
• 個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王人成,黃昌華,李波,金德聞,張濟(jì)川;基于BP神經(jīng)網(wǎng)絡(luò)的表面肌電信號模式分類的研究[J];中國醫(yī)療器械雜志;1998年02期

  本文關(guān)鍵詞：上肢表面肌電信號的特征分析方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：291321