由于表面肌電信號（sEMG）具有非平穩(wěn)、非周期和混沌等特性,導(dǎo)致傳統(tǒng)的特征值提取方法存在實時性與準(zhǔn)確性難以兼容的問題,基于此提出一種基于sEMG的改進(jìn)能量核特征提取方法,對采集到的肌電信號進(jìn)行處理。首先,在EMG振子模型的基礎(chǔ)上,詳細(xì)描述了新提出的"閾值矩陣計數(shù)"（threshold matrix count,TMC）特征提取方法;然后,通過在腿部10塊不同肌肉表面粘貼肌電傳感器來檢測下肢不同運(yùn)動過程中的肌電信號;采集到所需肌電信號后,對10塊肌肉上的肌電信號分別進(jìn)行特征提取,得到10個不同的特征向量x_k,并對其進(jìn)行分析,選取了4塊肌肉作為有效肌肉;最后將有效肌肉的特征向量x_k組合整理,得到特征矩陣X_k,將其輸入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,對4種運(yùn)動模式進(jìn)行識別。實驗結(jié)果表明,提出的能量核特征提取方法相比于傳統(tǒng)的兩種能量核特征提取方法,運(yùn)算效率分別提升了13倍和9倍;同時,相比常用的時、頻域特征提取方法,訓(xùn)練后得到的模型具有更好的穩(wěn)定性,平均識別精度為95.2%。 

【文章頁數(shù)】：8 頁

【部分圖文】：

跨障時內(nèi)側(cè)腓腸肌雙極EMG原始信號

3個矩形窗的對應(yīng)平面相圖

計數(shù)矩陣(N1=N2=20)

【參考文獻(xiàn)】：
期刊論文
[1]基于Gabor小波-傳遞熵的腦-肌電信號同步耦合分析[J]. 張園園,鄒策,陳曉玲,尹永浩,程生翠,陳迎亞,謝平.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(06)
[2]基于sEMG和GRNN的手部輸出力估計[J]. 吳常鋮,宋愛國,曾洪,李會軍,徐寶國.  儀器儀表學(xué)報. 2017(01)
[3]基于塊稀疏貝葉斯學(xué)習(xí)的肌電信號特征提取[J]. 丁帥,王亮.  儀器儀表學(xué)報. 2014(12)
[4]基于sEMG振子模型的骨骼肌等長收縮力與固有特性的能量核表征方法[J]. 陳幸,殷躍紅,范淵杰.  科學(xué)通報. 2014(07)
[5]基于小波變換及AR模型的EMG模式識別研究[J]. 張毅,連奧奇,羅元.  電子測量與儀器學(xué)報. 2011(09)



本文編號：3727196