前臂肌电信号实时智能模式识别系统研究

论文摘要

随着康复医学的发展,康复机器人的研制越来越受到人们的重视,肌电信号模式识别系统是康复机器人的重要组成部分,通过肌电信号对病人的运动意识进行快速、准确地识别,是康复机器人完成康复训练的必要前提。本文通过对特征提取方法与模式识别方法的研究,结合肌电信号自身的特点,提出用于肌电信号模式识别的具体算法,并且使用真实的肌电数据对算法进行仿真和验证。根据康复机器人的需求,具体实施了该算法,设计并开发了一套肌电信号模式识别系统,通过对前臂肌电信号的检测与处理,实时地对腕部动作进行识别,并通过实验对算法进行验证。本文首先介绍当前国内外对肌电信号模式识别研究的现状,研究应用于肌电的各种特征提取和处理方法以及模式识别方法,比较各自的优缺点。然后介绍肌电采集系统的结构和各部分需要考虑的问题,叙述采集系统的实现过程,该部分是进行肌电信号模式识别的前提。然后文章详细叙述模式识别系统的实现,根据肌电信号的特性和各种算法的特点选择小波包变换作为特征提取的方法,针对小波包变换缺乏时不变性的缺点,用结点能量代替原始系数构成特征向量,从而克服该缺点;确定特征空间降维方法,针对其实施过程中遇到的问题提出解决方案,并选择人工神经网络作为模式分类器。再具体描述上述算法的实现方法和过程,详述了识别系统的结构和基本工作原理。最后叙述了实验过程和结果,并对其结果进行简要分析与总结。在本实验中,对测试样本的识别正确率达到了94.17%.本文通过本系统的研究与开发,提出了一套可以对肌电信号进行实时识别的算法和实现方案,并且针对实现过程中遇到的问题提出解决方案。在未来的工作中,将继续对各种特征处理的方法进行研究,找出更适合肌电信号的方法,同时也尝试不同分类器对分类性能的影响,提高系统性能,并将其应用于康复机器人中。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景与意义
• 1.2 国内外发展现状及应用
• 1.3 本论文主要研究内容及组织结构
• 2 肌电信号模式识别方法概述
• 2.1 表面肌电信号的特征及其模式识别系统一般结构
• 2.2 肌电信号的特征提取方法
• 2.3 特征空间降维方法
• 2.4 特征投影
• 2.5 常用模式分类器介绍
• 3 肌电信号采集系统的设计与实现
• 3.1 肌电信号采集系统的结构
• 3.2 肌电信号放大电路的设计
• 3.3 滤波电路的设计
• 3.4 系统供电模块的实现
• 3.5 信号采集卡的使用
• 4 肌电信号模式识别系统的实现
• 4.1 肌电信号模式识别算法选择
• 4.2 肌电信号实时模式识别系统的软件组成
• 5 实验结果及分析
• 5.1 肌电原始信号的获取
• 5.2 小波包分解与结点能量计算及特征选择
• 5.3 特征空间投影
• 5.4 神经网络分类测试结果
• 6 总结与展望
• 致谢
• 参考文献