基于表面肌电信号的下肢运动模式识别的研究-机械工程专业论文.docxVIP

万方数据 万方数据 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得 的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表 的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究 工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声 明的法律责任由本人承担。 学位论文作者签名： 日期： 关于学位论文版权使用授权的说明 本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定：学校有 权采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供本学位论文全 文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库 进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 日期： 导 师 签 名： 日期： 河北工业大学硕士学位论文 摘 要 由脑卒中引起的下肢偏瘫给患者和家庭带来巨大痛苦。随着患者人数增加，也给 社会带来负担。传统上，医师采用徒手对患者进行康复训练，但患者易产生厌烦。下 肢康复机器人可以代替医师完成康复训练，可以提高疗效，减轻负担。为了实现患者 的自主训练，本课题将肌电信号作为主要控制信息源，以体现患者的运动意图。本文 针对人体下肢运动模式识别做了以下基础性研究： 首先，详细阐述了脑卒中发病机理，介绍了表面肌电信号的机理及其应用。根据 下肢各肌肉的功能特点，选择胫骨前肌和内腓肠肌上的表面肌电信号为控制信号，对 其每个步态周期划分为支撑前期、支撑中期、支撑末期和摆动期四种运动模式。 其次，表面肌电信号的预处理和特征提取是非常重要的环节。小波包μ律绝对值 阈值法解决了肌电信号中夹杂生理噪声的干扰，消噪效果优于传统的软、硬阈值法。 用 50%的“重叠窗”方法划分数据段，对时域、频域及时域-频域联合分析后，用时 频分析法中的小波变换计算每一段的小波特征奇异值，构建特征编码后输入分类器中 进行模式识别。 最后，为了对下肢四种细分的步态状态进行运动模式识别，提出了 GA-Elman 网 络。它是利用遗传算法优化 Elman 神经网络的初始权值和阈值，解决了传统神经网络 收敛速度慢且易受局部极小点困扰的缺陷，经过网络训练、识别后得到 85%的平均识 别率，明显优于传统的 BP 和 Elman 网络。考虑到下肢步态的四种运动模式能够对应 到隐马尔可夫（HMM）的四种状态，本文尝试用 HMM 的信号分类识别方法对下肢 步态状态进行识别，经过 Baum-Welch 算法对 HMM 参数进行重估训练和 Viterbi 算法 进行识别后，得到的平均识别率为 93.75%。识别效果优于 GA-Elman 神经网络，能够 更加精确地对下肢外骨骼实施控制。 关键词：康复机器人 表面肌电信号 运动模式识别 小波分析 I 基于表面肌电信号的下肢运动模式识别的研究 II 河北工业大学硕士学位论文 ABSTRACT Lower limb paralysis caused by a stroke makes patients and families suffer the tremendous pain. With the increse in the number of patients, it also causes the social burden. Traditionally, physicians uses freehand to rehabilitation training, but patients prone to boredom. Lower limb rehabilitation robot can replace the physician to complete rehabilition, can improve efficacy and reduce burden. In order to achieve self-training patients, and reflect the patient’s movement intentions. In this paper , the human lower limb motion pattern recognition of basic research to do the following: Firstly, the stroke pathogenesis is elabotated in detail and the the mechainsm of surface EMG and its application is des