表面肌电信号的作模式辨识.pdfVIP

上海交通大学硕士论文 ABSTRACT 表面肌电信号的动作模式辨识 摘 要 表面肌电信号是人体自主运动时，在骨骼肌表面用表面电极记录 的神经肌肉生物电信号，它反映了神经、肌肉的功能状态。肌电信号 不仅在临床医学、运动医学等领域被广泛应用，而且成为近代假肢控 制的热点研究方向。由于任何误动作对截肢病人都是十分危险的，因 此在假肢控制中，保证较低的误识别率是整个系统的关键，也是本文 研究的主要目的。 在前期工作的基础上，本文首先对肌电信号采集系统的前置放大 电路进行了改进，使用“浮动电源技术”，提高了电路的共模抑制能 力。基于USB2.0 芯片CY7C68013 设计了高速数据采集系统，其工 作在GPIF 模式，控制两片AD7862-3 同时工作，由于AD 各通道切 换时间非常短（约为0.1ms ），可忽略不计，因此基本上可以实现对8 路肌电信号的准同步采集。研究中对尺侧腕伸肌、桡侧腕伸肌、桡侧 腕屈肌、尺侧腕屈肌、三角肌、肱二头肌、肱三头肌、肱桡肌8 块肌 肉的电信号进行了采集，AD 传送来的数据最后以批量传输的方式自 动传送给PC 机，用于后续的信号处理。 在预处理方面，使用了能量阈值法对动作进行分割。针对肌电信 上海交通大学硕士论文 ABSTRACT 号中的各种噪声干扰，设计了巴特沃斯低通滤波器、自适应陷波器、 基于EMD 的小波消噪滤波器进行消噪。从滤波前与滤波后信号的频 谱可以看出，信号中的有用成分得到了有效提取，而噪声得到抑制。 在特征提取方面，比较了肌电信号的时域统计量（均值、方差、 过零数）、AR 模型功率谱比值、小波分解频带能量值三类特征参数， 得出了小波分解的频带能量值相比之下更稳定。 在动作模式分类上，用AR 模型功率谱比值和小波分解频带能量 值作为输入量，BP 神经网络作为分类器进行动作模式判别，获得了 较高的准确率，而且得出了使用小波方法提取的特征参数进行分类相 对来说更为可靠。另外，针对BP 网络收敛慢的不足，采用附加动量 和变速率学习法对算法进行了改进。 关键词：表面肌电，CY7C68013 ，动作识别 上海交通大学硕士论文 ABSTRACT ACTION PATTERN CLASSIFICATION OF SEMG ABSTRACT Surface electromyography (SEMG) is bioelectricity of skeletal muscle acquired at the point of surface electrode when people make some movements. It includes a large amount of information of nerve and muscle’s performance. EMG not only has been widely used in clinical medical and sport medical, but also conducts a wide research in modern controlling of prosthetic limb. Because any misoperation is very dangerous to amputee, high accuracy is the key of prosthetic limb controlling system, which is also the main purpose of this paper. Firstly, the former preamplifier circuit was revised. The use of floating p