基于人体下肢肌电信号的复杂步态识别与步长估计研究.pdfVIP

中文摘要 摘 要 人体表面肌电(surface Electromyography, sEMG)信号是在人体皮肤表面检测到 的一种微弱的生物电信号，具有人体运动信息表征能力，通过模式识别算法对 sEMG 信号和人体运动信息进行建模，可以获取到人体运动的步态、步长信息。这 些人体运动信息对于辅助行人导航定位有重要的作用。行人导航定位技术是人类 生活中越来越重要的位置信息感知技术，它广泛应用于单兵导航、未知区域探险、 室内消防、空间探测等方面。 从研究现状来看，sEMG 信号在行人导航定位领域的应用还处于探索研究阶 段，所研究的步态类型主要集中于平地直走、上楼、下楼等状态，对步态运动的识 别主要是各步态独立研究以及对步态细分模式的研究，对于混合步态、复杂步态以 及对人体转向步态的研究还较少。因此，本文开展了运用 sEMG 信号来识别人体 下肢步态运动的研究，拓展了人体更多的步态类型，并且研究了混合步态方式的多 步态识别，此外，还对人体转向步态进行了探索研究，最后针对更多步态开展了步 长估计，主要的研究工作内容包含以下几个方面： ①搭建了四通道的sEMG 信号采集系统，选取了人体下肢的腓肠肌、股直肌、 股外侧肌、臀中肌这四种肌肉进行 sEMG 信号的获取，开展独立步态以及混合步 态实验采集了平地直走、上楼、下楼、跑、跳和转向等 6 种步态模式的 sEMG 信 号。 ②提出了结合带通滤波和自适应小波阈值的sEMG 信号滤波算法：BFAWT 算 法。这种方法对多种肌肉、多步态运动的 sEMG 信号有良好的自适应性，能够有 效的抑制原始 sEMG 信号中的基线漂移、伪迹噪声、高斯白噪声等。设计了一种 基于sEMG 能量峰值的活动段检测方法，以改进活动段检测经典的双阈值法（DT 法）对不同sEMG 信号适应性差的问题。 ③构建了支持向量机以及BP 神经网络两种识别算法模型。基于独立步态实验 分析了特征向量组合、不同肌肉的 sEMG 信号性能，开展了混合步态实验研究在 复杂步态条件下多种步态的识别率，相比于前人研究了更多的步态，从识别结果来 看，在复杂步态条件下，本文对6 种步态的平均识别率达到88.36%，在此基础上， 本文探索性的研究了人体转向步态，通过设计转向步态实验，发现了 sEMG 信号 在直走与转向步态时序上的差异，将该差异作为特征引入对转向步态的识别，达到 99.53%的识别率。最后，本文还研究了基于 sEMG 的步长估计，在直走步态步长 估计的基础上研究了转向步态的步长估计。在 16 组直走步态实验数据的测试中， 步长估计误差不超过0.12m ，累计10 步的平均步长估计误差在0.06m 以内，在对 I 重庆大学硕士学位论文 15 组转向步态的步长训练实验中，步长估计的误差百分比不超过1.7%，误差值在 0.02m 以内。通过本文的研究验证了基于sEMG 信号的人体复杂步态模式识别、步 长估计具有一定的精度和可靠性，为辅助行人自主定位技术研究提供参考。 关键词：表面肌电信号；行人定位；复杂步态识别；步长估计 II 英文摘要 ABSTRACT The surface Electromyography (sEMG) signal is a weak bioelectric signal detected on human skin surface. It has the ability to represent human motion information. The sEMG signals and human motion information can be modeled by pattern recognition algorithm, so that the motion patterns and stride length information of human motion can be obtain