本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的表面肌電信號分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：表面肌電信號是人體肌肉收縮時在皮膚表面收集得到的生物電信號，它在一定程度上反應(yīng)了人體神經(jīng)、肌肉的功能狀態(tài)。目前，表面肌電信號已被廣泛應(yīng)用于臨床醫(yī)學(xué)、康復(fù)醫(yī)學(xué)和智能機器人等領(lǐng)域。本文依托吉林省科技發(fā)展計劃重點項目“具有溫度、觸滑覺臨場感的仿生手臂研制與開發(fā)”(批準(zhǔn)號：20090350)和吉林大學(xué)研究生創(chuàng)新研究計劃項目“基于神經(jīng)網(wǎng)絡(luò)集成技術(shù)的表面肌電信號模式識別方法研究”(批準(zhǔn)號：20121107)，開展對表面肌電信號分類方法的研究，以促進項目中肌電控制仿生假肢的開發(fā)與產(chǎn)業(yè)化，因此本文的研究將具有重要的現(xiàn)實與社會意義。 本文的主要工作有： 1.分析了表面肌電信號的產(chǎn)生機理與特點，確定了肌電電極的選擇，，結(jié)合局部解剖學(xué)相關(guān)知識，確定了與手臂常見運動模式密切相關(guān)的主要肌群，完成了手臂動作模式的選擇和肌電電極擺放位置的確定，并完成了手臂5個常見動作模式下表面肌電信號的雙路采集實驗。 2.分別利用時域法、頻域法和時頻分析法對已采集得到的雙路表面肌電信號進行了特征提取，對比分析三種分析方法下表面肌電信號特征元素的互異性，最終確定利用由小波包分解得到的表面肌電信號特征元素來構(gòu)成雙路表面肌電信號的特征向量。 3.為了進行模式識別試驗，本文進行了神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計，分別設(shè)計了BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)和集成BP神經(jīng)網(wǎng)絡(luò)，對已得到的特征向量進行了模式識別實驗，對三種網(wǎng)絡(luò)結(jié)構(gòu)下表面肌電信號的正確識別率進行了統(tǒng)計分析，集成BP神經(jīng)網(wǎng)絡(luò)獲得的正確識別率最高，因此得出集成BP神經(jīng)網(wǎng)絡(luò)具有較好的模式識別效果。 4.對三種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間和迭代次數(shù)進行了計算，集成BP神經(jīng)網(wǎng)絡(luò)所需訓(xùn)練時間和迭代次數(shù)最大，說明集成BP神經(jīng)網(wǎng)絡(luò)在提高識別率的同時，也增加了訓(xùn)練階段所需的時間和迭代次數(shù)。 5.利用Matlab GUI技術(shù)完成了表面肌電信號離線模式識別系統(tǒng)的開發(fā)，對表面肌電信號的讀取、特征提取、模式識別和識別結(jié)果的顯示等環(huán)節(jié)進行整合，形成一個系統(tǒng)，增加了表面肌電信號模式識別各環(huán)節(jié)的直觀性與可視性。 由于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練階段和測試階段一般可以分開進行，訓(xùn)練階段可以提前離線完成，因此本文的研究仍具有重要的理論價值，也具有實際意義。
【關(guān)鍵詞】：表面肌電信號 神經(jīng)網(wǎng)絡(luò)集成 模式識別 特征提取
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP183;R337.5
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 課題來源9
• 1.2 課題研究背景與意義9-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-12
• 1.3.1 智能假肢研究現(xiàn)狀10-12
• 1.3.2 表面肌電信號模式識別現(xiàn)狀12
• 1.4 本文主要研究內(nèi)容與結(jié)構(gòu)安排12-15
• 1.4.1 主要研究工作13
• 1.4.2 本文結(jié)構(gòu)安排13-15
• 第2章 表面肌電信號產(chǎn)生機理與信號采集實驗15-25
• 2.1 表面肌電信號概述15-16
• 2.2 表面肌電信號產(chǎn)生機理與特點16-18
• 2.3 表面肌電信號采集實驗18-23
• 2.3.1 肌電電極的選擇18-19
• 2.3.2 手臂動作選擇與電極位置確定19-21
• 2.3.3 表面肌電信號采集21-22
• 2.3.4 表面肌電信號采集注意事項22-23
• 2.4 本章小結(jié)23-25
• 第3章 表面肌電信號的特征提取25-37
• 3.1 時域特征提取25-27
• 3.2 頻域特征提取27-29
• 3.3 表面肌電信號的時頻域分析29-36
• 3.4 本章小結(jié)36-37
• 第4章 表面肌電信號模式分類器設(shè)計37-49
• 4.1 人工神經(jīng)網(wǎng)絡(luò)概述37-38
• 4.2 神經(jīng)網(wǎng)絡(luò)模型38-41
• 4.2.1 神經(jīng)元結(jié)構(gòu)模型39-40
• 4.2.2 神經(jīng)網(wǎng)絡(luò)連接方式40-41
• 4.3 BP 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計41-44
• 4.4 集成神經(jīng)網(wǎng)絡(luò)設(shè)計44-46
• 4.5 Elman 神經(jīng)網(wǎng)絡(luò)設(shè)計46-47
• 4.6 本章小結(jié)47-49
• 第5章 表面肌電信號模式識別與識別系統(tǒng)設(shè)計49-63
• 5.1 模式識別實驗設(shè)計49-50
• 5.2 模式識別結(jié)果分析50-54
• 5.2.1 表面肌電信號正確識別率51-52
• 5.2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間及迭代次數(shù)52-54
• 5.3 表面肌電信號離線模式識別系統(tǒng)設(shè)計54-61
• 5.3.1 Matlab GUI 技術(shù)簡介54-55
• 5.3.2 表面肌電信號離線識別系統(tǒng)開發(fā)55-59
• 5.3.3 系統(tǒng)整體界面與運行效果59-61
• 5.4 本章小結(jié)61-63
• 第6章 總結(jié)與展望63-65
• 6.1 全文總結(jié)63-64
• 6.2 未來工作展望64-65
• 參考文獻65-69
• 攻讀碩士期間主要研究工作69-71
• 導(dǎo)師及作者簡介71-73
• 致謝73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 于育民;梁瑛;;MATLAB-GUI在圖形可視化中的應(yīng)用[J];安陽工學(xué)院學(xué)報;2010年04期

2 梅品高;羅志增;;基于小波包分析和Elman網(wǎng)絡(luò)的肌電信號處理[J];機電工程;2008年01期

3 白雪飛;李茹;;神經(jīng)網(wǎng)絡(luò)集成的多表情人臉識別方法[J];計算機工程與應(yīng)用;2010年04期

4 周志華,陳世福;神經(jīng)網(wǎng)絡(luò)集成[J];計算機學(xué)報;2002年01期

5 李錫杰;師碩;王旭;;基于Elman神經(jīng)網(wǎng)絡(luò)的肌電信號分類[J];微計算機信息;2006年23期

6 王剛;王志中;胡曉;黃永峰;;基于最佳小波包的表面肌電信號分類方法[J];中國醫(yī)學(xué)物理學(xué)雜志;2006年01期

7 張海虹,蔡立羽,王志中;基于高階神經(jīng)網(wǎng)絡(luò)的肌電信號識別方法的改進[J];中國康復(fù)醫(yī)學(xué)雜志;2000年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 趙章琰;表面肌電信號檢測和處理中若干關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 鄒曉亮;面向仿生手臂的表面肌電信號采集與處理系統(tǒng)研究[D];吉林大學(xué);2011年

2 張志勇;肌電信號采集與肌電假肢控制的研究[D];哈爾濱工業(yè)大學(xué);2010年

3 張春華;基于表面肌電的手指運動向量分類方法研究[D];燕山大學(xué);2006年

4 郭年;基于DCT和RBF神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng)[D];重慶大學(xué);2007年

5 邱青菊;表面肌電信號的特征提取與模式分類研究[D];上海交通大學(xué);2009年

6 黃峗偉;基于支持向量機的表面肌電信號模式識別方法研究[D];西安理工大學(xué);2010年

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的表面肌電信號分類方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：304802