表面肌电信号分析及运动模式分类研究

第1章绪论 (1)

1.1 课题研究背景及意义 (1)

1.2 本课题相关内容研究现状 (2)

1.2.1 表面肌电信号采集研究现状 (2)

1.2.2 表面肌电信号预处理研究现状 (3)

1.2.3 表面肌电信号特征提取研究现状 (4)

1.2.4 表面肌电信号分类识别研究现状 (6)

1.3 表面肌电信号处理存在问题 (6)

1.4 主要研究内容及章节安排 (7)

第2章表面肌电信号采集和预处理 (9)

2.1 表面肌电信号的相关特征 (9)

2.1.1 表面肌电信号的产生原理 (9)

2.1.2 肌电信号数学模型 (10)

2.1.3 表面肌电信号具有的特点 (14)

2.2 表面肌电信号的采集 (14)

2.2.1 实验采集系统 (15)

2.2.2 信号采集实验方案 (17)

2.3表面肌电信号预处理 (20)

2.3.1 肌电中噪声来源 (20)

2.3.2 数字滤波器设计 (20)

2.3.3 小波变换去噪 (23)

2.3.4 小波结合独立分量分析去噪 (27)

2.3.5 去噪效果分析 (30)

2.4 本章小结 (32)

第3章表面肌电信号的建模预测 (33)

3.1 表面肌电信号建模研究 (33)

3.1.1 肌电信号物理性建模 (33)

华侨大学硕士学位论文

3.1.2 基于AR参数模型建模 (35)

3.1.3 基于傅里叶级数建模 (36)

3.2 基于高斯过程的肌电信号建模 (37)

3.2.1 高斯过程理论 (37)

3.2.2 高斯过程建模 (38)

3.3 小波变换结合高斯模型 (39)

3.4 模型预测结果 (40)

3.4.1 GP模型预测结果 (40)

3.4.2 WT-GP模型预测结果 (41)

3.5 本章小结 (42)

第4章表面肌电信号特征提取 (43)

4.1 传统信号特征提取方法 (43)

4.1.1 时域分析特征提取方法 (43)

4.1.2 频域分析特征提取方法 (44)

4.2 时频域特征提取方法 (44)

4.2.1 小波分析 (45)

4.2.2 多分辨率小波分析 (45)

4.3 特征提取结果分析 (46)

4.3.1 时域特征提取分析 (46)

4.3.2 频域特征分析 (47)

4.3.3 小波特征分析 (49)

4.3.4 特征向量的确定 (55)

4.4 本章小结 (56)

第5章表面肌电信号动作识别研究 (57)

5.1 动作识别分类器 (57)

5.2 BP神经网络分类器 (58)

5.2.1 BP标准算法 (59)

5.2.2 改进BP算法 (60)

5.2.3 BP神经网络设计 (61)

5.3 支持向量机分类器 (62)

5.3.1 支持向量机原理 (62)

5.3.2 多类支持向量分类机 (62)

5.4 实验结果分析 (63)

5.5 本章小结 (67)

第6章总结与展望 (69)

6.1 工作总结 (69)

6.2 本课题研究展望 (70)

参考文献 (71)

致谢 (75)

个人简历、在学期间发表的学术论文与研究成果 (77)

VII

华侨大学硕士学位论文

VIII

第1章绪论

1.1 课题研究背景及意义

日常生活中有很多截肢的残疾人，他们不仅承受巨大的心理压力，也在日常生活中存在诸多不便。据不完全统计，我国由于工伤、交通事故、疾病等原因造成残疾的人数约8500多万，其中肢体残疾人所占比例最高，约为30%左右

[1]。其中包括很多有就业能力的残疾人，身体的不便在一定程度上影响他们的工作，给日常生活和生存带来问题。全国第三次残疾人康复工作会议提出全面实现残疾人享有康复服务的目标。但是仅仅依靠政策保证实现目标是不够的，还需要向他们提供必要的康复医疗器械，研制出便携灵活的智能机械假肢[2-3]。随着科技的发展，现在可以通过外部辅助器械为残疾人提供帮助，使得其恢复正常生活，进而享受幸福生活，这将是一项对人类很有意义的工程[4]。

智能机械手臂作为康复医疗器械的一个重要组成部分，涉及到许多工程学科（计算机技术、电子、控制、生物力学、材料科学等）和生物医学技术。智能机械手臂比以往的假肢在诸多方面都有提高，其不仅可以根据精神意识的指令控制手臂仿人活动，还可以获取外部环境的状况[5-6]。图1.1为目前残疾人在实际生活中对智能机械手臂的使用图片，他们的生活已经离不开功能越来越强大的智能机械手臂了。

图1.1 日常生活中智能机械手臂的应用