基于表面肌电信号的手臂运动模式识别-开题.pptVIP

基于表面肌电信号的手臂运动模式识别 内容提要 课题的研究背景 国内外研究现状 设计的主要任务 设计的安排进度 研究背景 现代社会残肢人数众多，他们在生活上难以自理，大部分不再受社会所重视，致使他们在身心方面都充满着痛苦。为这些残肢者安装假肢成了恢复其基本功能的重要手段，所以肌电假肢的研究及其必要。 现有假肢功效质量不容乐观。其功能较差，控制灵敏度不高及准确率不令人满意。因此，肌电假肢的进一步研究对于残疾人能够进行正常的生活和更好地融入社会是非常必要的。 表面肌电信号的手臂运动模式识别是肌电假肢的基础和关键，近年来随着科学技术的发展,国内外对本课题研究也逐渐深入，使得其在临床医学、运动医学、康复医学及体育运动等领域被广泛应用。 国内外研究现状 国内外研究现状 国外研究现状 Gaupe首先在1975年将时间序列分析技术引入肌电信号研究。他通过对肌电信号建立ARMA 模型来识别不同的肌肉动作.该方法是一种线性处理方法，其识别准确率达到了80％。 Hudgins等人1993年提出了以肌电信号的一些时域指标进行动作识别和假肢控制。 上个世纪末，Constable 等人利用离散小波变换对表面肌电信号进行时频分析，和特征提取，这种方法仍被广泛应用。 国内外研究现状 国内研究现状 张海虹等人2000年利用Pi2Sigma 网络对展拳握拳、内旋、外旋四个动作进行识别,识别率在80 %以上。 2006年罗志增，王人成根据SEMG 的频谱特性提出了一种新的特征提取方法——功率谱比值法。 2010年10月，罗志增，熊静，刘志宏提出一种基于WPT和LVQ神经网络的手部动作识别方法. 设计的主要任务 本课题的主要研究任务分为四个部分，如图1所示 实现表 面肌电信号对仿生手控制的四个环节 设计的主要任务 第一部分是肌电假手的控制信号源的研究 表面肌电信号是从人体骨骼肌表面通过电极记录下来的神经肌肉活动发放的生物电信号,它反映了神经肌肉的功能状态。 选择合适的控制信号源是本课题研究的前提条件，对于本课题，需要一个直接、自然的反应肢体运动信息的信号源，故选择肌电信号作为信号源. 下图在查找的文献中就当前的信号源模式进行了讨论和研究 设计的主要任务 优点 缺点 身体的机械运动 控制结构简单、造价低廉 可实现的控制任务简单，灵活性差 语音信号 线路简单，可控制多自由度假肢 易于产生误操作，环境噪声干扰大 肌腱 设计简单、响应速度快 需要肌腱完整未受损害，有手术风险 再造指 构思新颖，准确度高 有手术风险，单个再造指传递的信息有限 脑电信号 即使最严重的残疾患者也能够使用 研究尚处于实验仿真阶段 神经活动 可塑性好，重复再现性高，清晰度高 手术要求高，仍处于研究阶段 肌电信号 直接、自然，能有效的反应肢体的运动信息 患者肌肉易于疲劳，稳定性不好，准确度有待提高 表1 各种控制信号源的比较 设计的主要任务 第二部分是对提取到的肌电信号进行预处理研究; 表面肌电信号在激励、传输和检测过程中会受到不同程度的随机噪声的污染，为了消除实际信号中的噪声，提取有用信息，需要寻找消除噪声的方法。 傅里叶变换是一种消除噪声的经典方法，适用于很多场合，但是它是一种全局变换，很难表述信号的局部性质，而这些恰恰是表面肌电信号处理过程中最根本、最关键之处。 小波分析方法是一种信号的时频分析，具有多分辨率的特点，可以方便的从混有强噪声的信号中提取原始信号。 设计的主要任务 第三部分是肌电信号的特征提取 特征提取是模式识别和分类中的关键问题，所提取的特征应该具有很好的可分性，也就是要去掉模棱两可、不易判别的特征，避免特征重复。 特征提取有多种方法，时域分析、频域分析、时频分析、非线性PCA方法和功率谱比值法等。其中，时频分析法倍受人们的关注，特别是小波包变换法。 小波包变换和小波变换没有本质上的区别，只是在原有基础上按同样的方法对细节系数进行分解，进一步分解高频结果，这在肌电信号的特征提取中显示出极大的优越性。 设计的主要任务 第四部分是手部动作的识别模型的建立 表面肌电信号的模式分类方法总体上可归为两大类：模糊分类器和神经网络分类器。 神经网络具有高非线性、鲁棒性、自组织、自适应和自学习能力，使其能在输入输出缺少清晰数学解析分析的情况下，实现输入输出的非线性映射。 这正是表面肌电信号运动识别所需要的分类器性能，因此，神经网络在肌电信号的模式识别上显示出极大的优越性. 神经网络分类器 神经元模型 神经网络分类器 BP网络模型：BP网络是一种多层前馈型神经网络，由于权值的调整采用反向传播 (Back Propagation) 学习算法，因此称为BP网络。 神经网络分类器 学习向量量化神经网络分类器（LVQ）：LVQ网络是对自组