基于线性判别分析的表面肌电信号动作模式识别

表面肌电信号(SEMG)属于非平稳的生物电信号,特点是信号微弱、易受干扰.为了有效提取表面肌电信号(SEMG)特征、更好地识别人体上肢运动的模式,针对表面肌电信号的特点提出了一种线性判别分析人体前臂运动特征的识别方法.通过虚拟仪器同时采集桡侧腕屈肌和肱桡肌两路的表面肌电信号,取平均绝对值(MAV)和均方根(RMS)为特征参数,应用线性判别分析(LDA)方法对样本特征矩阵进行模式识别.与其他特征识别方式的对比实验表明,此方法的动作识别率更高,能够成功地从表面肌电信号中识别握拳、展拳、手腕内翻和手腕外翻4种动作,动作的平均识别率达到了99.5%.     

基于表面肌电信号进行手部动作发起检测方法

实时且准确地识别手部动作,是表面肌电信号应用的重要方面,而通过其进行手部动作的发起检测是一个技术难点。为了解决这一问题,该文提出一种通过表面肌电信号进行手部动作发起检测的方法,将TKE算子应用于sEMG信号的预处理,通过设计二值化状态函数,并针对消除噪声对肌电信号的影响,提出启发式滤波策略。建立手部动作发起的表面肌电仿真模型,通过比对应用几种算子对仿真模型进行发起检测,证明TKE算子方法的有效性。利用肌电信号采集与处理系统进行实验验证。结果表明,该检测方法能够对手部动作发起进行高精度的实时检测。     

实时肌电信号采集系统设计与探究

针对残疾人要完成的绝大多数任务都是由多个连续的动作组成的实际情况,仅仅对动作信号的稳态值来分析处理肌电信号的数据已经不能够满足实时性的要求.考虑到肌电信号的特性以及实验室的实际环境,搭建了一个肌电信号的硬件采集平台,并设计了3个包含连续动作的实验.利用肌电信号采集平台采集到两路正常人前臂上的表面肌电信号,应用信号幅值作为特征,并通过极值的方法分别得到3个实验中各个动作的切换点位置,为后续对连续动作的识别打下基础.     

基于线性判别分析的表面肌电信号特征识别

通过虚拟仪器同时采集桡侧腕屈肌和肱桡肌两路表面肌电信号,取其平均绝对值(MAV)和均方根(RMS)作为特征参数,并应用线性判别分析(LDA)方法对采集的样本进行模式识别。与其它特征识别方式的实验对比表明,所提的识别方法能够成功地从表面肌电信号中识别握拳、展拳、手腕内翻和手腕外翻4种动作,且动作识别精度更高。     

基于表面肌电信号特征的动作识别

文章对表面肌电信号的RMS特征和AR模型特征进行了分析,并利用采集到的原始表面肌电信号数据进行了RMS和AR参数的提取。利用提取的数据对上肢动作进行识别分析,结果表明双通道数据或多维数据联合分布能够有效的区分和识别相应的动作。     

肌电信号处理和肌电控制的研究

根据肌肉收缩力量的大小与运动神经纤维传出动作电位的频率有的特征，通过数据卡采集表面肌电信号，进行放大、滤波等处理，然后提取特征进行分析处理。在分析比较了各种特征提取方法的优缺点后，采用了功率谱法对肌电信号进行特征提取，并通过labview计算功率谱中最大值左右一定范围内的能量所占整个功率谱能量的比值K，根据K值来判断该肌电信号属于何种动作。     

基于ANOVA和BP神经网络的最优肌电信号测量位置选择

基于肌电信号的手部动作识别中,肌电信号测量位置的选择直接关系到动作识别的准确率.本文以使用最少的肌电传感器和获得较高的动作识别率为目标,提出一种基于ANOVA(方差分析)和BP神经网络的肌电信号测量位置优选方法.使用4个肌电传感器采集受试者做出指定动作时的肌电信号,提取肌电信号的时域特征,并按测量位置组合构成15个不同的样本进行BP神经网络的训练和测试.采用单因素ANOVA分析测量位置对动作识别结果影响的显著性,采用Tukey HSD将测量位置进行归类,并从动作识别率最高的子集中选择测量位置最少但识别准确率最高的测量位置组合作为最优的肌电信号测量位置.实验结果表明,测量位置对动作识别的结果具有显著的影响,随着测量位置数的增加,动作识别准确率呈上升趋势,最优的测量位置组合为P1+P3+P4,其动作识别准确率为94.6%.     

基于表面肌电信号双谱分析的动作分类

为了提高人体上肢动作识别正确率,提出了一种基于表面肌电信号双谱分析的动作分类方法,以信息增益作为表面肌电信号起止点分割效果衡量标准,结合TKE算子提取出肌肉运动起止区间的表面肌电信号,对提取到的表面肌电信号进行双谱变换,提取双谱的正反对角切片作为表面肌电信号特征,以概率神经网络作为分类器,以100次10折交叉验证为一次动作分类实验,计算10次分类实验的平均正确率,最终得到正对角切片、反对角切片和正反对角切片的分类正确率分别为94.56%、90.93%和95.48%.     

基于贝叶斯分类研究肌肉动作模式识别方法

提出了一种结合AR模型和贝叶斯分类的肌电信号动作模式识别方法.首先将采集到的肌电信号进行预处理,提取AR系数作为其特征值.其次设计了一个贝叶斯分类器,利用AR系数对手臂的各种肢体动作进行动作模式分类.实验表明这种方法不仅降低了误识别率,而且取得了比较理想的识别效果.同时,采用虚拟仪器技术提高仪器的测量精度,降低成本,降低计算工作量.     

基于直方图和功率谱比值的肌电信号识别方法

仿生肌电假肢的控制依赖于表面肌电信号,其中基于表面肌电信号的肢体动作识别是关键。该文提出一种时域波幅直方图和频域功率谱比值相结合的特征提取方法,通过对两路表面肌电信号的波幅直方图分析和频谱分析,以波幅比值作为时域特征,以功率谱比值作为频域特征,通过证据理论对它们各自利用神经网络得到的分类结果进行证据累积,最终得到分类结果。实验证实了该算法的识别率高于利用单一特征参数的分类方法。     

基于MSP430的低功耗脉象信号采集系统

脉象信号包含了许多生理病理信息,可以为医生诊断疾病提供重要依据。针对当前脉象仪功耗大、成本与仪器精度不可兼得等缺陷,设计了一种低功耗、微型化、可实时通讯的脉象信号采集系统。该系统采用HK-2000B脉象传感器进行采集,以MSP430单片机为核心,对信号进行分析、处理与结果显示,实现了脉象信号实时、连续的检测。通过多次实际测试,结果表明该系统可以适用于不同人群,能够准确显示脉象信号和相关参数,为医生对病情诊断提供有用信息。     

小波变换在肌电信号预处理中的应用

传统检测方法处理肌电信号时，个体差异比较大，针对这一不足，首先应用小波消噪理论对肌电信号进行预处理，将信号进行小波分解与重构，消除了肌电信号实际测量中不可测噪声的干扰，然后分析重构得到的信号的功率谱比值和对应肢体动作变化之间的关系。这种方法很适合处理非特定人的肌电信号。实验表明这种方法与单一使用功率谱比值法的方法相比，动作模式识别率得到了提高。同时，采用虚拟仪器技术提高仪器的测量精度，降低成本。     

一种消除表面肌电信号中工频干扰的方法

50Hz工频干扰是表面肌电信号的主要干扰源之一,消除工频干扰是表面肌电信号处理中的一项重要技术。该文将独立成分分析方法引入表面肌电信号处理领域,采用基于负熵判据的Fas-tICA方法消除表面肌电信号中的50Hz工频噪声。实验表明,该方法消除50Hz工频噪声效果显著,并且不会对表面肌电信号中除50Hz以外的其它频率成分造成影响。     

一种新的红外探测方法

红外探测过程中,信号经过长距离传播和衰减常淹没于噪声,如何检测这种微弱信号,并同时满足精度高、实时性好的要求,成为红外探测微弱信号的关键．提出了一种新的基于全相位快速傅立叶变换（allphasefastFouriertransfoliB,简称ap—FFT）算法的微弱信号检测及其复原方法．在频谱分辨率较低的情况下,通过循环移位叠加的归一化ap—FFT算法,将有泄漏的信号频谱复原处理成近似无泄漏,从而实现准确、快速获取移频参数．新方法与传统的FFY算法相比。兼顾了微弱信号检测中精度高、实时性好的双重要求．利用Matlab进行性能仿真分析和比较,证明所提出的检测方法有效、可行,为红外探测信号提取提供了方法依据．     

基于LabVIEW9.0的虚拟频谱分析仪的设计

虚拟仪器技术是现代计算机技术和仪器技术深层次结合的产物,是计算机辅助测试领域的一项重要技术.介绍了基于B/S模式图形化编程语言Lab-VIEW9.0的虚拟频谱分析仪的设计,该虚拟频谱分析仪主要用于分析由信号发生器产生的带噪声信号.该虚拟频谱仪主要由信号发生器、数字滤波、参数测量、频谱分析、谐波分析和远程网络监控模块组成,可以实现对采样信号的显示、分析、远程网络监控等功能,并且运行可靠、性能良好,分析结果正确.     

基于Hermitian小波的时间-小波能量谱滚动轴承故障诊断方法

针对滚动轴承早期故障微弱特征难以提取的问题,提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法.该方法针对轴承故障振动信号具有奇异性的特点,首先利用Hermitian小波对原始信号进行连续小波变换;再根据小波变换的结果求取信号能量在时间轴上的分布情况,利用谱峭度指标作为选择最佳累积尺度的标准,得到时间-小波能量分布;最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征.利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析.结果表明:该方法可有效地提取出强噪声环境下微弱故障的特征成分,并与普通的时间-小波能量谱作对比,特征提取效果更为明显,非常适用于滚动轴承早期故障诊断.     

基于排列组合熵的表面肌电信号特征分析

针对表面肌电信号的混沌特征、噪声强等特点,该文提出了基于排列组合熵的表面肌电信号特征分析方法。用肌电信号的相邻数据复杂度计算出排列组合熵,以尺侧腕伸肌和尺侧腕屈肌两路肌电信号对应的排列组合熵构成特征向量,对腕上翻、腕下翻、展拳和握拳四种动作信号进行区分,具有良好的区分度。     

基于声卡的虚拟示波器设计与实现

基于声卡的数字信号处理技术和虚拟仪器技术,通过在LabVIEW环境下对声卡进行编程,设计了一个廉价的虚拟示波器系统,该设计方案具有界面友好、扩充性强及动态特性稳定可靠等诸多优点．实验仿真表明,该系统能够正确地采集声卡设计频率范围内的信号,实现了示波器的测量和频谱分析功能．