基于腦電與肌電信號(hào)融合的多自由度手部動(dòng)作識(shí)別研究.pdf

1、肢體殘疾者渴望擁有像正常人一樣能按自身意愿支配的肢體，而仿生假手正是在此背景下應(yīng)運(yùn)而生，可以通過(guò)檢測(cè)人體的各種特征，如肌電信號(hào)(electromyography，EMG)等信號(hào)源控制假手的動(dòng)作。高性能多自由度仿生假手已經(jīng)成為康復(fù)醫(yī)學(xué)工程研究領(lǐng)域的熱點(diǎn)課題，對(duì)提高肢體殘疾人士的生活質(zhì)量以及促進(jìn)殘疾人康復(fù)事業(yè)的發(fā)展意義重大。
　　 肌電信號(hào)是一種由神經(jīng)肌肉活動(dòng)所產(chǎn)生的生物電信號(hào)，其中蘊(yùn)含了很多與肢體運(yùn)動(dòng)相關(guān)聯(lián)的信息，是肌肉的生物電活

2、動(dòng)在皮膚表面處時(shí)間和空間上的綜合結(jié)果，現(xiàn)已廣泛的應(yīng)用于生物醫(yī)學(xué)工程的各個(gè)領(lǐng)域。腦電信號(hào)(electroencephalogram，EEG)是一種非常微弱的非平穩(wěn)信號(hào)，包含了大量腦神經(jīng)細(xì)胞的電生理活動(dòng)信息，體現(xiàn)了人的思維活動(dòng)與肢體動(dòng)作行為，因此將腦電信號(hào)作為仿生假手的控制信號(hào)也是一種可行的方案。目前國(guó)內(nèi)已有許多正在進(jìn)行單獨(dú)基于肌電或者腦電信號(hào)的研究，但將兩者結(jié)合起來(lái)，將腦電和肌電信號(hào)有效融合，進(jìn)而對(duì)假手進(jìn)行仿生控制的研究還有待開(kāi)展。本論文

3、從運(yùn)動(dòng)意識(shí)與手部動(dòng)作的一致性出發(fā)，嘗試將肌電信號(hào)和腦電信號(hào)相結(jié)合，并用支持向量機(jī)(support vector machine，SVM)和D-S證據(jù)推理(Dempster-Shafer Inference)的方法進(jìn)行信息融合，以控制多自由度仿生假手的腕內(nèi)旋、腕外旋、伸腕、屈腕、展拳和握拳六個(gè)動(dòng)作，有望為仿生假手提供一種新的控制方法。
　　 本文在國(guó)家自然科學(xué)基金項(xiàng)目(60874102)的支持下，對(duì)肌電和腦電信號(hào)的采集和預(yù)處理方法

4、、特征提取、模式識(shí)別以及最終的決策層信息融合等多個(gè)方面展開(kāi)了理論研究與實(shí)踐。本文主要完成了以下研究工作，并取得了部分創(chuàng)新成果：
　　 (1)從肌電信號(hào)和腦電信號(hào)的產(chǎn)生機(jī)理出發(fā)，分別概括了其信號(hào)特性和采集過(guò)程中所遇到的各種干擾。針對(duì)肌電和腦電信號(hào)微弱、背景噪聲強(qiáng)的特點(diǎn)，介紹了用小波分解重構(gòu)方法對(duì)采集的信號(hào)進(jìn)行消噪處理。
　　 (2)介紹了腦電信號(hào)的特點(diǎn)和分類，以及采集過(guò)程中腦電極的導(dǎo)聯(lián)方法。針對(duì)獨(dú)立源產(chǎn)生的偽跡噪聲，無(wú)法用

5、小波消噪的方法濾除，因此本文提出了一種基于熵估計(jì)的RADICAL盲源分離算法應(yīng)用于腦電信號(hào)的偽跡處理，實(shí)驗(yàn)結(jié)果表明，該方法能有效的消除腦電信號(hào)中所夾雜的眼電偽跡。為后續(xù)腦電信號(hào)的特征提取創(chuàng)造了良好的條件，提高了識(shí)別率。
　　 (3)考慮到肌電和腦電信號(hào)的非平穩(wěn)性，研究了肌電信號(hào)和腦電信號(hào)的基本尺度熵和排列組合熵的特征提取方法，并分別給出了相關(guān)算法。針對(duì)腕內(nèi)旋、腕外旋、伸腕、屈腕、展拳和握拳六種待識(shí)別的動(dòng)作模式，采集尺側(cè)腕伸肌和尺

6、側(cè)腕屈肌兩路肌電信號(hào)以及C3、C4、P3和P4四路腦電信號(hào)。肌電信號(hào)采用基本尺度熵提取特征值，得到一個(gè)肌電信號(hào)的二維特征向量；腦電信號(hào)采用排列組合熵提取特征值，得到一個(gè)腦電信號(hào)的四維特征向量。以基本尺度熵和排列組合熵得到的特征向量能較好的表達(dá)各待識(shí)別動(dòng)作的特征。
　　 (4)主要研究了基于支持向量機(jī)和D-S證據(jù)推理融合方法，使支持向量機(jī)的輸出符合D-S證據(jù)推理的基本概率分配(basic probability assignmen