用于假手控制的肌电信号采集与分析

论文摘要

肌电控制假手是利用肌电作为控制信号的动力假肢,是一种生物电控制的典型“人—机”系统。其工作原理是利用残肢者手臂上的残端肌肉中检测出的肌电位变化作为假手动作的控制信号,控制假手动作,从而代替人躯体上失去的手臂。与其他方式控制的假手比起来具有很多的优越性,因而受到患者的青睐,拥有广阔的市场,也成为假肢研究中的一个热点。表面肌电信号是一种复杂的表皮下肌肉活动在皮肤表面处的时间和空间上的综合结果。表面肌电信号是一种无创伤检测的生物电信号,在对认识和了解人体神经系统信息传递、基础医学研究、临床诊断、运动医学和康复工程中均有广泛的应用。研究如何采用表面肌电信号作为临床诊断,远程医疗以及表面肌电信号在神经肌电生理方面的基础研究中的作用等,都已成为医学界、康复学界研究的热点问题。本论文主要从表面肌电信号的实时采集和模式分类两个方面进行了研究,设计完成了实时采集系统,对三种典型动作进行了识别和分类。主要研究内容和成果如下：(1)针对肌电信号的特点,建立表面肌电信号的实时采集系统,并将采集的信号数据进行存储。(2)对采集到的肌电信号进行了预处理、小波降噪、时域、幅域、频域及小波包分析,提取了肌电信号的特征。试验信号分析表明：信号的频域分析能够提取出表面肌电信号的特征；功率谱分析为以后的小波包频带分解技术提供了有力的依据。利用小波包频带分解技术,可有效提取信号特征,实现不同动作的识别。(3)为了将多种特征提取方法更加完美的结合在一起,使信号识别更加精确,本文采用神经网络进行模式识别。利用三层小波包频带分解的八个频带作为神经网络的输入信号,对三种典型动作进行模式识别,用MATLAB编程语言实现,取得了较好的分类结果。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题背景及意义
• 1.1.1 课题来源及背景
• 1.1.2 课题的意义
• 1.2 肌电信号研究现状
• 1.2.1 肌电信号特征提取方法
• 1.2.2 肌电信号模式分类方法
• 1.3 本文主要研究内容
• 第2章 肌电信号的产生机理及其数学模型
• 2.1 肌肉运动中的电生理过程及肌电信号的产生
• 2.1.1 神经的功能和结构
• 2.1.2 神经的生物电现象
• 2.1.3 肌肉的结构和功能
• 2.1.4 肌电信号产生的机理
• 2.2 肌电信号的特点与干扰
• 2.3 肌电信号产生的数学模型
• 第3章 基于虚拟仪器的肌电信号采集系统
• 3.1 虚拟仪器概述
• 3.1.1 虚拟仪器的特点
• 3.1.2 虚拟仪器的发展现状
• 3.1.3 虚拟仪器的构成
• 3.1.4 虚拟仪器的分类
• 3.2 系统的硬件部分
• 3.2.1 电极选择
• 3.2.2 信号放大电路
• 3.2.3 NI-DAQ信号采集卡
• 3.3 系统的软件部分
• 3.3.1 软件开发平台的选择
• 3.3.2 LabVIEW软件概述
• 3.4 肌电信号采集系统的功能与实现
• 3.4.1 系统的采集对象与功能
• 3.4.2 采集系统搭建
• 3.4.3 信号采集模块
• 3.5 本章小结
• 第4章 肌电信号分析与特征提取
• 4.1 数据预处理
• 4.1.1 滤波处理
• 4.1.2 小波降噪
• 4.2 肌电信号的时域分析
• 4.2.1 均值和峰值判断
• 4.2.2 偏度和峰度分析
• 4.2.3 其他无量纲指标
• 4.2.4 肌电信号的时域特征提取
• 4.3 肌电信号的频域分析
• 4.3.1 基于AR参数模型的参数提取
• 4.3.2 基于AR参数模型的功率谱估计
• 4.4 肌电信号的小波包提取
• 4.4.1 小波包原理
• 4.4.2 小波包用于肌电信号分析的可行性
• 4.4.3 小波包SEMG信号频带分解的具体步骤
• 4.4.4 肌电信号的小波包提取
• 4.5 本章小结
• 第5章 神经网络下的肌电信号模式识别
• 5.1 神经网络用于模式识别
• 5.1.1 神经网络的研究
• 5.1.2 神经网络用于肌电信号识别的可行性
• 5.1.3 肌电信号模式识别网络模型的选取
• 5.2 BP网络的原理及推广
• 5.2.1 BP网络结构
• 5.2.2 BP网络学习规则
• 5.3 肌电信号模式识别中BP网络模型的构建
• 5.3.1 输入和输出节点的选择
• 5.3.2 隐层数和隐层节点的选取
• 5.3.3 神经元激活函数的选取
• 5.3.4 初始权值的确定
• 5.3.5 学习效率的选取
• 5.3.6 数据归一化处理
• 5.4 基于网络的肌电信号模式识别
• 5.4.1 肌电信号模式分类的输入、输出矢量的确定
• 5.4.2 网络的训练与模式识别
• 5.5 本章小结
• 第6章 肌电信号的在线实时处理系统
• 6.1 系统设计要点
• 6.1.1 系统具有吸收新技术的能力
• 6.1.2 系统具有准确性和可靠性
• 6.1.3 系统具有完善的功能
• 6.2 系统组成及功能设计
• 6.3 硬件系统
• 6.3.1 采集系统
• 6.3.2 测试对象
• 6.4 软件实现
• 6.4.1 软件系统总体结构
• 6.4.2 系统的开发软件
• 6.5 软件界面及主要功能介绍
• 6.5.1 系统软件的用户主界面
• 6.5.2 信号采集模块
• 6.5.3 信号处理模块
• 6.5.4 模式识别模块
• 6.5.5 软件程序的部分代码
• 6.6 本章小结
• 第7章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢