基于多通道sEMG小波包分解特征的人手动作模式识别方法

为了满足主动康复训练和人机交互等复杂应用场景对多样性的人手运动模式识别需求,提出了一种基于多通道表面肌电信号sEMG小波包分解特征的人手动作模式识别方法。通过实验对比分析,确定了最佳采样布局方案,通过采集前臂表面肌电信号,设计了基于数字滤波器的肌电信号活动段自动标识算法,能快速准确完成样本动作标签的制作。以原始肌电信号的小波包分解系数作为特征向量训练分类器。通过对比不同隐含层节点数对分类器模式识别准确率的影响,最终确定BP神经网络模式分类器的所有结构参数。设计并训练完成了BP神经网络人手运动模式分类器。对9种手部运动的平均识别率达到93.6%,计算时间小于150ms。     

多重分形分析在肌电信号模式识别中的应用

为提高肢体运动模式识别率,论文提出了一种经验模态分解与多重分形分析相结合的模式识别方法。先用经验模态分解得到代表肌电信号细节的多层内在模态函数,然后在内在模态函数上进行多重分形分析,提取其广义维数谱,作为肌电信号多模式识别的特征向量。最后以改进的K最近邻分类方法-KNN模型增量学习算法,实现对动作模式的识别。在对张开、合拢及腕内旋、腕外旋4个动作的识别实验中,正确识别率达到了93.0%。结果表明,方法具备一定的实用性,可用于遥操作机器人系统中操作者手腕运动模式识别。     

基于磁场刺激的肌电信号模式识别的研究

对于人体表面肌电（SEMG）信号提出一种新的研究方法，即在磁场刺激下，采用小波变换的方法，对从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌上采集的4路表面肌电信号进行分析，并提取其6级小波分解系数绝对值累加和的平均值作为信号的特征．构建特征矢量．输入神经网络分类器进行模式识别，经过训练能够成功地识别出握举、展拳、腕内旋、腕外旋、屈腕、伸腕、前臂内旋、前臂外旋8种运动模式．实验结果表明，该方法识别率高，所需数据量少．运算速度快，实时性好，为肌电等生物电信号的研究提供了一种新方法．     

基于LLE和SVM的手部动作识别方法

为了提高人体手部动作的识别性能,针对高维特征数据给模式识别带来的问题,提出了一种基于局部线性嵌入(LLE)算法和支持向量机(SVM)的模式识别方法.该方法从肱桡肌和尺侧腕屈肌上采集两路表面肌电信号(sEMG),通过对样本信号的时域分析和小波分析,提取原始信号的特征,构造特征矢量.再利用LLE算法对原始特征数据进行降维,挖掘出具有内在规律的低维特征.将降维后的特征数据输入SVM分类器进行4种动作的模式识别.实验表明:此方法可以有效、准确地对人体手部动作进行分类.     

G-P算法在脑学习机能研究中的应用

运用非线性动力学理论,分析大脑信息处理运动的过程.由混沌动力学吸引子关联维数的物理意义出发,论证了关联维数值与神经元群电发放之间的关系.采用连续加算作业法,同步采集EEG信号,应用分形论中的G-P算法,获取EEG信号的关联维数.实验结果表明:连续加算作业法的下半时EEG信号的关联维数明显小于上半时EEG信号的关联维数.因此,基于G-P算法的关联维数可以作为脑学习机能的评价指数.     

针对上肢高位截肢者的肌电假肢设计

给出了一种基于人体表面肌电信号控制的上肢假肢系统,服务于基于靶向肌肉神经移植术的高位截肢者.通过解析人体肌电信号包含的动作意图控制假肢的运动.系统包括假肢的机械结构、控制系统的硬件和算法.假肢的机械结构包括肘关节、腕关节和手部.控制系统的硬件包括主控板、驱动板和肌电采集模块.模式识别算法采用基于贝叶斯原理的线性分类器,通过在线实时训练,得到需要的线性分类器参数.根据得到的分类器模型,对采集到的肌电信号进行在线实时识别,并根据识别的结果实时控制相应假肢关节的运动.系统样机在健康受试者身上进行了测试,效果良好.     

基于小波变换的肌电信号识别方法研究

针对肌电信号的非平稳特性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值构造特征矢量输入神经网络分类器进行模式识别,经过训练能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂内旋、前臂外旋四种运动模式。实验表明,基于小波变换的神经网络分类方法所需的数据短、运算快,对于肌电假肢的控制具有良好的应用前景。     

基于LDA的表面肌电信号分类研究

研究了一种基于LDA分类器的模式识别方法,比较了五种特征参数组合方式,分析了无关联线性判别分析ULDA和PCA两种降维方法,通道数量和窗口长度对肌电信号分类的影响,最后应用LDA分类器对降维后的数据进行分类。实验结果表明:均方根和四阶AR系数两种特征组合在4通道和8通道下的准确率分别可以达到90%和96%,增加通道数量或特征数量可以进一步提高准确率;通过ULDA将特征矢量的维数降低到6维时,仍可以保证较高的准确率;6种手势的识别率超过了94%,其中4种手超过了97%,分类出错的窗口主要集中在过渡阶段。     

一种基于HHT和AR模型的手部运动模式识别方法

为了实现基于表面肌电信号(SEMG)的手部动作运动模式识别,提出一种Hilbert-Huang变换(HHT)和自回归(AR)模型相结合的特征提取算法.该方法依据HHT后各层固有模态函数(IMF)的瞬时频率定义每层IMF的频率有效度,由频率有效度选取6层平稳的IMF,同时考察具有最大频率有效度的IMF,并以该IMF的瞬时幅值确定动作信号的起止点.对6层IMF中的动作信号建立AR模型提取手部运动模式的特征向量.提取主成分后,将降维的动作特征向量输入SVM分类器,实现基于SEMG信号的手部多运动模式的识别,对伸腕、屈腕、握拳、展拳4种手部动作的识别实验表明,该方法的识别正确率可达91%.     

基于EEMD肌电信号的动作识别

针对表面肌电信号的特征描述和模式识别这一难点,研究了基于EEMD的肌电信号的特征描述和动作识别方法。首先采用EEMD对表面肌电信号进行分解,而后采用分解后IMF组成特征基向量。其次根据IMF系数和肌电信号所蕴含的能量之间的内部关系重构能量特征矢量。最后利用NARX神经网络对肌电信号四类手部动作进行模式分类。结果表明,由IMF系数重构的能量矢量特征可以很好地表示肌电信号的本质特征,而且进一步简化了分类器的结构,提高了平均识别率。     

基于空间基坐标的尺寸可标注性判别研究

尺寸信息的检验一直是ＣＡＤ／ＣＡＭ中有待解决的问题,该文引入了空间基坐标的概念,基于空间基坐标具有与视图数无关的特性,提出了将多视图各投影点统一转换到空间基坐标,通过对图素端点几何特征理解,建立了空间基坐标面间尺寸标注性统一的运算法则,从几何层讨论了尺寸的标注性。尺寸与空间基坐标面进行映射,而与视图数无关,这样克服了尺寸三维约束与二维图形在维上的不一致性。     

尺寸关联约束的识别及求解方法的研究

针对尺寸之间的关联约束，本文首先分析了尺寸链约束的特点，提出了基于尺寸链的尺寸环模型．通过对尺寸和被约束图形对象的识别与理解，研究了尺寸链、尺寸环建立和尺寸环中的尺寸到被约束元素之间的约束关系的映射算法，实现了尺寸关联约束的识别和求解．     

基于分数维的图像检索新方法

在研究两种分数维——微分计盒维数和多分形维数的基础上提出了分数维直方图的概念，并把它用于基于内容的图像检索，提出了一种新的纹理特征检索算法——二维分数维直方图相交法．对Brodatz标准纹理库和真实图像库检索的结果表明其方法具有良好的性能，与QBIC系统的纹理检索结果相比更符合人的视觉特性．     

基于逐维策略的布谷鸟搜索增强算法

布谷鸟搜索算法迭代运用Lévy Flights随机走动和Biased随机走动发现新个体的各维信息。当个体所有维信息生成后,算法将这些信息合成为个体并评价。在这种情况下,由于个体各维之间存在相互干扰,一些部分维进化的个体可能被放弃,从而影响算法的收敛速度以及求精能力。提出的布谷鸟搜索增强算法采用逐维评价策略接收一些部分进化的个体,可进一步增强算法的收敛速度和求精能力。在算法中,逐维评价策略作为局部搜索技术镶嵌在两个随机走动部件之后,并随机选择一些个体进行逐维更新后进行评价。实验结果说明逐维评价策略总体上能够有效且较好地改善算法的求解性能和收敛速度。     

基于分形维数的阈值选取方法

普通的阈值选取方法只注重图像的灰度信息,而很少考虑图像的空间信息。分形维数能很好地反映一幅图像的空间信息,在图像的处理与分析中得到了很好的应用。提出了一种基于分形维数的图像阈值选取方法,实验证明对于灰度图像的阈值选取具有很好的实用效果。     

基于范畴的数据降维方法

范畴理论主要是一些特定数学的对象和映射的概括和抽象,在此利用范畴理论阐述图像分析和识别中的数据降维问题,定义高维数据降维范畴的过程,并以主成分分析范畴和等距映射范畴分别验证了范畴理论应用到图像数据降维问题中的正确性。     

基于OpenGL的三维GIS建模技术的研究

本文从OpenGL的基础建模、坐标转换、消隐技术、光照模型及纹理映射等方面介绍了OpenGL的原理和三维GIS建模的相关方法，并对三维建模技术进行了探讨和研究。同时，基于OpenGL结合三维建模软件3DSMAX，在VC什的环境中建立了一个三维的虚拟道路场景，实现了对场景动画漫游和雨雪等自然现象的模拟。     

基于信息维数的复杂网络自相似性研究

描述了基于重构性的复杂网络自相似模型。在分形思想的基础上提出了复杂网络的自相似性研究,指出了分形思想中容量维数的不足,提出利用信息维数研究复杂网络的自相似性,这种方法更能客观反映网络的自相似性。给出了复杂网络自相似性测量方法和基于信息维数的仿真结果,数值仿真验证了理论分析的正确性。最后提出了进一步研究的方向。     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法。针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征。通过对声纳图像的分类实验,结果证实该方法行之有效。     

分形特性角度定位研究

提出一种将分形理论用于PCB图像定位的新方法，以PCB上的矩形定位标志图像为研究对象，分析其边缘特征，结果表明图像边缘具有典型的分形特性；用去除边缘异常噪声加补偿的方法对图像边缘进行处理，消除噪声对图像边缘对应的分形曲线特性的影响，得到较精确的边缘分形曲线形维数；推导出图像转动角度与图像边缘分开曲线分形维数的理论关系式，根据边缘曲线的分形维数精确地得到了目标图像的转动角度，解决了PCR板的精确，快速角度定位问题。