基于表面肌電信號的下肢動作識別研究.pdf

1、隨著老齡化的加劇和交通意外的頻發(fā)，假肢或者輔助康復(fù)平臺的需求越來越大。肌電信號包含豐富的運動控制信息，利用合適的信號處理方法，使用者的意圖能夠被檢測出來。因此，肌電信號能夠被用作控制設(shè)備的指令信號。
　　人體表面肌電信號（Surface Electromyography, sEMG），在給定的采集點，用來描述肌電信號的特征集在給定的運動狀態(tài)下是能夠重復(fù)得到的，而且在不同的運動狀態(tài)下得到的特征集也各不相同。相比于注入式肌電信號，采用

2、sEMG信號進行分析處理并不會降低識別的準確率，而且sEMG的提取方式較為簡單方便，具有無創(chuàng)無痛的特點。
　　本文通過對采集的sEMG信號進行分析處理，識別出運動者的運動意圖，幫助使用者進行主動康復(fù)訓練。主要研究了連續(xù)信號的特征提取，分類器設(shè)計和模式識別后處理。本文的主要工作包括如下四個方面:
　　(1)采用線性判別分析（Linear Discriminant Analysis，LDA）和聯(lián)合特征對sEMG信號進行模式識別。

3、首先對5個不同的受試者采集的連續(xù)信號進行預(yù)處理，采用疊加的分析窗口進行分割，然后提取了信號的波長(Waveform Length，WL)，自回歸(Autoregression，AR)系數(shù)和小波系數(shù)作為特征矢量，并根據(jù)特征矢量的分離信息，進行了特征的融合。最后采用改進的LDA分類器進行識別，得到了較好的識別效果。
　　(2)基于模糊理論提出了一種基于高斯徑向基函數(shù)的模糊模式識別算法。采用不同的特征矢量進行識別均取得了較好的識別效果，

4、而且特征矢量的FI(Fisher's Index)值越大，識別的錯誤率越低。與LDA和反向傳播神經(jīng)網(wǎng)絡(luò)進行比較，采用WL特征時，這種算法的平均識別錯誤率更低。
　　(3)對識別的結(jié)果進行了模式識別后處理，在不影響實時性的前提下，提高了系統(tǒng)的識別準確率。采用了多數(shù)決議(Majority Vote，MV)并對其進行了改進提出了等待下一個窗口的后處理方法，將平均的識別錯誤率降低至0.04％。
　　(4)設(shè)計并實現(xiàn)了基于人體肌電信號