基于广义动态模糊神经网络的肌电信号模式识别系统

论文摘要

在现代康复医学领域中,人们对具有智能康复功能的医疗系统需求越来越高,而通过肌电信号对人体运动信息和意图进行准确判断是建立此类系统的必要前提之一。本文旨在系统地研究肌电信号特点机理、采集方式、特征提取方法、动作识别方法,通过多种肌电特征提取方法的比较研究并结合模式识别算法建立起一套稳定的实验平台,通过实测肌电数据在该平台上进行分析验证,达到识别人手多动作模式的目的。本文首先介绍了肌电信号模式识别研究及其相关领域应用现状。然后系统研究了多种肌电信号分析和提取方法并阐述了它们的意义,接着对模糊系统和神经网络的结构特点、运行机制进行介绍并结合两者的优势引出了模糊神经网络,介绍该网络的权值运算、隶属度函数选择、基本结构,重点讨论了一种具有动态调整功能的模糊神经网络并分析了它的网络结构。然后介绍了肌电信号采集装置的系统结构,叙述了该装置硬件设计过程和软件组成。接着对广义的动态模糊神经网络模式识别算法准则和实现流程进行了详细的阐述。在最后实验阶段采用了7种特征提取方法并对它们进行分析比较,然后对它们的模式识别结果进行了总结。实验表明,采用广义的动态模糊神经网络算法对手部7种动作进行识别的准确率可达97%以上,且其在多种特征提取方法应用下具有一定的适用性。本文通过对该实验平台的研发,实现了基于肌电信号的人手多动作模式识别。在今后的研究中将继续改善肌电信号采集方式,研究新的特征提取方法,同时对识别算法进行改进以提高系统的实时性,为以后应用于康复机器人运动控制打下良好的基础。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景与意义
• 1.2 国内外发展现状及应用
• 1.3 论文主要内容
• 2 肌电信号特征与模糊神经网络
• 2.1 肌电信号模式识别系统结构
• 2.2 肌电信号的多种特征提取方法
• 2.3 模糊系统与神经网络
• 2.4 模糊神经网络
• 3 肌电信号采集装置设计方案
• 3.1 肌电信号采集装置实验准备
• 3.2 前置放大电路设计
• 3.3 滤波电路设计
• 3.4 供电电路设计
• 3.5 软件部分的实现
• 4. 动态模糊神经网络模式识别算法的实现
• 4.1 模糊神经网络设计准则
• 4.2 广义的动态模糊神经网络算法实现
• 5 实验结果与分析
• 5.1 原始肌电信号采集
• 5.2 多种特征提取方法的实现
• 5.3 测试结果
• 6 总结与展望
• 致谢
• 参考文献