基于EMG-KJA神經肌骨動力學模型的下肢動作模式識別及運動軌跡預測.pdf_第1頁
已閱讀1頁,還剩112頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,截肢患者已成為亟需關注的特殊社會群體,如何幫助他們有效地提升自理能力、改善生活質量不僅是康復醫(yī)學領域的重要研究課題,更是各國政府和全社會面臨的一個嚴峻挑戰(zhàn)。肌電假肢可以利用患者殘肢肌電信號自主地控制假肢人機系統實現相應動作,被公認為是一種比較理想的缺損肢體功能代償解決方案,其核心技術在于描述人體神經控制與肌骨運動之間關系的神經肌骨動力學模型。但截至目前,國內外神經肌骨動力學研究尚主要集中于手部和上肢,較少涉及到下肢,尤其是專門針

2、對下肢神經肌骨動力學模型開展的動作模式識別及運動軌跡預測方面的研究還開展的十分有限。
  本文利用Noraxon無線肌電采集系統和Vicon三維運動捕捉系統,同步采集10名受試者在深蹲、站起、伸膝和行走四種關鍵動作下的下肢肌電信號和三維運動學數據,經濾波、放大等預處理后,提取預動作期肌電的4階AR模型參數、倒譜系數、奇異值和功率譜熵作為關鍵動作模態(tài)分類的特征參數,采用支持向量機(SVM)、隱馬爾科夫模型(HMM)和人工神經網絡(A

3、NN)三種方法進行分類識別。結果顯示:SVM是辨識下肢動作關鍵模態(tài)較為理想的分類器,其奇異值的單特征輸入模式平均分類正確率為88.3%,融合時頻特性的多特征輸入模式平均分類正確率為91.3%。
  在分類識別的基礎上,研究中提取了不同動作下單側腿肌電信號的均方根(RMS)和中值頻率(MF),結合對側腿的反饋角度,分別采用ANN和SVM建立肌電-膝關節(jié)角度(EMG-KJA)的下肢神經肌骨動力學模型來預測對側腿部膝關節(jié)運動軌跡。研究發(fā)

4、現:兩種信號特征中,RMS的預測效果略優(yōu)于MF;兩種建模方法中,SVM對各模式的預測誤差結果均低于ANN,顯示出了更為準確的建模效果。此外,為提高預測方式的實時性和在線度,文中還設計了針對各類動作模式的最優(yōu)肌源通道篩選方案,根據肌電均方根值與關節(jié)角度的相關性,依次去除關聯性較低的肌源信號,檢驗預測結果,尋求最佳導聯配置。
  本文的研究結果有望對下肢肌電假肢設計以及相關神經學、運動學機理的探究起到促進作用,同時也具備在運動感知、人

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論