基于肌电信号的行为识别的研究.docVIP

广 东 商学院 2013-JX16- 本科毕业论文（设计） 基于肌电信号的行为识别的研究 院 （系） 数学与计算科学学院 专 业 信息与计算科学 班 级 09信息与计算科学一班 提交日期 2013年 月 日 毕业论文(设计)成绩评定表 毕业论文（设计）指导教师评语及成绩 成绩 指导教师签名 年 月 日 毕业论文（设计）复评教师评语及成绩 成绩 复评教师签名 年 月 日 毕业论文（设计）答辩评语及成绩 成绩 答辩委员会主席签名 年 月 毕业论文（设计）总成绩（五级记分制） 院（系）负责人签名 年 月 日 TITLE: Recognition Research Based On The Behavior of The EMG Signal MAJOR: Information And Computing Science 内容摘要 本文对前臂肌肉群多个位置（包括肱桡肌、桡侧腕屈肌、桡侧腕长伸肌、尺侧腕伸肌、尺侧腕屈肌）进行表面肌电信号的采集，用RMS（均方差）与AR模型两种方法分别对采集的肌电信号进行特征分析和特征提取，再通过不同的分类方法（包括监督式学习、LDA分类算法）对现有的信号数据进行模式识别，区别屈肘、屈腕、屈指和前臂旋转等多种动作，最终使用MATLAB实验软件绘图直观表示各种分类方法的识别率，得到多种分类方法的优劣程度并最终得出结论从而将该项的研究成果拓展到人体其他肌群及相关假肢的控制中，另外在仿生控制人工动力假肢研究领域同样具有重要的意义。 关键词：特征提取 模式识别 MATLAB 表面肌电信号 Abstract In this research,I collect the surface EMGs in several of the forearm muscle groups (including brachioradialis、flexor carpi、carpi radialis longus、extensor carpi ulnaris and flexor carpi ulnaris). With the methods such as RMS and AR model ,I extract the feature from the EMGs which has been collected.Then by using classification methods(Supervised Learning:The LDA algorithm),I use the existing EMGs in order to differentiate between elbow、wrist flexion,、flexor 、forearm rotation and so on.I also use two more signal optimizations to raise recognition rate.Ultimately, we use MATLAB to plot pictures and intuitively to show the recognition rate.Finally the best recognition rate is 98.611%. Keywords: Pattern recognition Feature extraction SEMG 目 录 1引言 ··························