肌电信号的数字采集及其模式识别

论文摘要

本文研究的是“上残肢肌电信号测试与训练系统”中截肢者残端表面肌电信号数据采集系统的硬软件设计,采集后数据的预处理、分析、特征提取,以及基于肌电包络信号特征的模式识别。首先,设计了肌电信号的采集系统。用两路传感器接收信号,并经放大、滤波采样后送入PC机。硬件部分主要以S3C44B0X为核心控制肌电信号的AD采样和USB数据传输;软件部分则是用C++ Builder完成了可视化软件的编写,以实时显示采集到的肌电包络信号。其次,对采集到的数据进行预处理和分析。主要针对截肢者练习不同动作时两路数据的直方图、协方差、频谱、和、差,以及截肢者练习每个动作的起止时间做预处理分析。分析结果说明,切换动作的数据直方图比屈伸动作的在分布上更紧凑;单个屈伸动作或切换动作的数据之间相关性随时间延迟增加而减弱,但是连续屈伸动作或切换动作的数据之间则表现出较强的周期相关性;上残肢肌电包络信号频谱能量主要集中于150Hz以内。同时,根据信号特点,设计了一种软阈值方法判断数据中包含的动作个数。接着,基于上述数据分析的结果,本文研究了肌电包络信号研究中广泛应用的功率谱比值和AR参数特征提取方法。并分别对本文的采样数据计算了基于功率谱比值和基于伯格递推方法的AR参数。最后,本文研究了模式识别中受到广泛应用的BP人工神经网络和支持向量机。并将计算出来的功率谱比值和AR参数作为特征,分别用三层BP神经网络和支持向量机识别练习者的动作。结果表明,对于肌电包络信号特征,支持向量机具有比BP神经网络算法更好的识别效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究意义
• 1.2 研究现状
• 1.2.1 肌电特征提取方法
• 1.2.2 肌电信号的特征分类方法
• 1.2.3 假肢控制研究现状
• 1.3 主要研究内容
• 第二章 肌电信号采集系统设计
• 2.1 采集器的原理设计
• 2.2 S3C44B0X 最小系统设计
• 2.3 采集器的硬件设计
• 2.3.1 信号调理电路设计
• 2.3.2 A/D 采样电路设计
• 2.3.3 USB 接口模块设计
• 2.3.4 电源模块设计
• 2.3.5 串行接口电路设计
• 2.4 采集器的软件设计
• 2.4.1 板载软件
• 2.4.2 PC 机软件
• 2.5 本章小结
• 第三章 肌电信号的预处理
• 3.1 信号的时域和频域分析
• 3.2 动作次数估计
• 3.3 实验与结论
• 3.4 本章小结
• 第四章 肌电信号的特征提取
• 4.1 肌电信号功率谱
• 4.2 肌电信号功率谱的特征参数
• 4.3 肌电信号的AR 系数估计
• 4.3.1 莱文森-杜宾递推算法
• 4.3.2 伯格递推算法
• 4.4 实验与结论
• 4.5 本章小结
• 第五章 基于肌电信号的动作模式识别
• 5.1 人工神经网络
• 5.2 BP 神经网络的训练过程
• 5.3 支持向量机
• 5.4 支持向量机训练过程
• 5.5 实验与结论
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 假肢训练系统的应用及发展趋势
• 6.3 今后的研究方向
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文