论文摘要
每年由于交通事故,战争等原因导致的大量截肢者是一个重大的社会问题,而假肢技术的发展在较大程度上能够减轻或消除截肢者因肢体残疾导致的损伤和不便,假肢手的应用具有良好的社会价值和经济价值。肌音信号是人体肌肉在收缩和放松时因肌肉振动而产生的机械信号,而基于肌音信号的相关分析技术在假肢手研究中的进展成为近年来又一新的研究方向。本课题主要研究利用手部活动时肌肉发出的肌音信号,经过预处理后,对其包含的手部动作信息进行识别,建立模式识别和学习模型,得到人可理解的信息,并用作控制假肢手或者其他康复器械的控制输入信号。本研究中,研究者利用两个加速度传感器采集14位试验者前臂上桡侧腕屈肌和指总伸肌两处的肌音信号,对于分割得到的手部动作肌音信号,提取若干个时域和频域基本特征,再用主成分分析,偏最小二乘回归,费希尔判别分析和核广义判别分析等四种特征优化方法对这些基本特征进行优化处理,以获得低维和类别可分性更好的新特征。最后用二次分类器对优化过的新特征进行模式识别试验,并用10重交叉验证评估试验结果的准确率。试验结果表明双通道肌音信号的基本特征经四种方法分别优化后,得到的四个手部动作模式识别的平均准确率都在89%或以上,其中核广义判别分析能够达到95.12±3.83%的识别准确率,均明显优于单通道的识别准确率。基于MATLAB实时数据采集工具箱的假肢手操控试验结果验证了在实时条件下,肌音信号能作为假肢手的可靠控制信号源。
论文目录
摘要Abstract第1章 引言1.1 课题的研究背景1.2 课题目的和意义1.3 假肢手技术的研究现状1.4 肌音信号及其在假肢手应用中的研究1.4.1 肌音信号介绍1.4.2 多模式肌音信号在假肢手控制中的应用1.5 本课题研究内容第2章 多通道肌音信号采集系统2.1 肌音信号采集传感器2.2 肌音信号采集位置2.3 肌音信号采集方案设计2.3.1 试验者描述2.3.2 肌音信号采集流程2.4 肌音信号采集硬件系统2.4.1 信号放大器2.4.2 滤波器设计2.4.3 肌音信号的AD转换2.5 小结第3章 肌音信号的基本特征提取3.1 肌音信号的动作分割3.2 肌音信号的时域特征3.2.1 常用统计量3.2.2 AR模型估计参数3.2.3 高阶累积量3.3 肌音信号的频域特征3.3.1 功率谱参数3.3.2 倒谱系数3.3.3 功率谱非负矩阵分解系数3.4 通道肌音信号的特征提取3.5 小结第4章 肌音信号的特征选择和优化4.1 特征选择和优化的必要性4.2 主成分分析法4.2.1 主成分分析计算步骤4.2.2 基于主成分分析的特征优化4.3 偏最小二乘回归法4.3.1 偏最小二乘回归法介绍4.3.2 基于偏最小二乘回归法的特征优化4.4 费希尔判别分析法4.4.1 费希尔判别分析法的数学描述4.4.2 费希尔判别分析法的降维阶数4.4.3 基于费希尔判别分析法的特征优化4.5 核广义判别分析法4.5.1 核广义判别分析法简介4.5.2 核广义判别分析法的计算4.5.3 基于核广义判别分析法的特征优化4.6 小结第5章 单、双通道肌音信号的多动作模式识别5.1 肌音信号的模式识别5.1.1 模式识别研究简介5.1.2 二次分类器设计5.1.3 训练,测试和交叉验证5.1.4 显著性检验5.2 单通道肌音信号手部动作的识别5.3 单、双通道肌音信号手部动作的识别对比5.3.1 基于主成分分析法的单双通道结果对比5.3.2 基于偏最小二乘回归法的单双通道结果对比5.3.3 基于费希尔判别分析法的单双通道结果对比5.3.4 基于核广义判别分析法的单双通道结果对比5.3.5 小结5.4 四种特征优化方法在手部动作识别中的比较5.5 小结第6章 基于MATLAB实时数据采集工具箱的假肢手操控6.1 MATLAB环境下肌音信号的实时数据采集6.1.1 MATLAB实时数据采集工具箱简介6.1.2 实时肌音信号采集的实现6.2 假肢手及其相关硬件6.2.1 假肢手介绍6.2.2 假肢手电机6.2.3 假肢手电机的驱动电路6.3 基于MATLAB实时数据采集工具箱的假肢手操控6.4 小结第7章 结论与展望7.1 结论7.2 展望参考文献致谢攻读硕士学位期间发表的学术论文附录一附录二附录三附录四
相关论文文献
标签：肌音信号论文; 特征提取论文; 核广义判别分析论文; 二次分类器论文; 康复工程论文;
