基于模式識別的上肢康復機器人肌電控制研究.pdf

1、傳統(tǒng)治療偏癱的方法多是通過理療師手把手的指導或借助一些簡單的自動化設(shè)備，但往往因效率低下或患者的抵觸情緒導致康復訓練失敗?；谀Ｊ阶R別的肌電控制上肢康復機器人，為解決偏癱患者的康復訓練問題提供了一種有效的解決方法，有很大的應用前景。本文主要從特征值提取和模式分類器設(shè)計兩個方面對肌電控制進行研究，以篩選出對目標動作識別率高的特征值和分類器組合，并建立一套上肢康復機器人實時肌電控制系統(tǒng)，為肌電控制上肢康復機器人的臨床應用奠定理論基礎(chǔ)和技術(shù)支

2、持。
　　根據(jù)肌電信號的產(chǎn)生機理與特點搭建了采集系統(tǒng)，篩選出了用于14個目標動作識別的6塊信號源肌肉，提出了一種利用肌電積分值對目標動作起始點和結(jié)束點進行判斷的方法，并通過IIR數(shù)字濾波處理進一步提高了肌電信號的采集精度。
　　分別利用時域特征組、4階自回歸模型系數(shù)、小波系數(shù)最大值、小波系數(shù)能量值構(gòu)建了肌電信號的特征矢量，針對單一特征矢量容納信息量少的問題，提出了一種將時域特征組、4階自回歸模型系數(shù)分別與小波系數(shù)進行融合的方

3、法，并利用平均值與標準差參數(shù)對特征矢量本身的聚類性進行了分析。
　　針對BP網(wǎng)絡(luò)收斂速度慢、容易陷入局部最優(yōu)的問題，提出了一種用粒子群算法融合Levenberg-Marquardt算法（PSO-LM）對BP網(wǎng)絡(luò)進行優(yōu)化的方法，設(shè)計了用于目標動作識別的基于PSO-LM優(yōu)化的BP網(wǎng)絡(luò)、支持向量機、隱馬爾科夫模型三種分類器，并利用目標動作平均識別率結(jié)合最低識別率對分類效果進行了分析，得出了在本實驗條件下時域特征組融合小波系數(shù)與支持向量機