基于小波变换的表面肌电信号的消噪处理

表面肌电信号因其无创性被广泛应用,但因其为一组肌群的募集信息,所以包含了更多的噪声.本文针对这个问题通过仔细选择肌电信号的采集位置,在采用高精度的肌电采集系统及11 025 Hz的过采样率的基础上采集到多组表面肌电信号,结合肌电信号的特点利用小波变换中的消噪技术对不同频段的信号进行不同阈值的消噪处理.实验表明,该方法有很好的消噪效果.     

一种克服sEMG人机交互中肌肉疲劳的SVM算法

在基于表面肌电信号的人机交互系统中,产生的肌肉疲劳降低了系统的稳定性。针对该问题,分析肌肉正常状态和疲劳状态下的肌电信号变化规律,提出一种改进的在线支持向量机增量训练算法。该算法在每次训练SVM(Support Vector Machine)模型时,计算各样本到分类超平面的距离,并以之为条件对不断更新的训练数据进行有条件的选择和遗忘,只留下最大距离1/2以内的数据。通过在线训练不断更新训练样本来获得新的SVM模型,用于适应肌肉疲劳过程中肌电信号的变化,同时防止多次在线训练过程中更新的样本改变训练集间初始边界。最后在智能轮椅上进行验证,实验结果表明:该算法有效减少了肌肉疲劳在人机交互系统中的影响,使得系统能够保持长时间稳定操作。     

基于ZigBee的无线肌电检测系统设计

针对目前表面肌电信号采集系统尺寸大,不易携带的缺陷,设计了一种基于ZigBee技术的无线表面肌电信号检测系统。系统由前置放大电路、带通信号调理电路和基于单片机CC2430的无线数据收发电路组成。该电路系统能有效覆盖带宽为10～500Hz的表面肌电信号,实现肌电信号的采集和与上位机的无线射频通信。应用实践表明,此系统能够通过ZigBee无线网络对人体肌电信号进行实时采集,具有移动性和便携性,因此能广泛适用于健康运动监测和医院移动监测等领域。     

表面肌电信号前端处理电路与采集系统设计

针对表面肌电信号幅度小、信噪比低、易受干扰、准确获取困难的问题,设计了高共模抑制比的前端放大电路,有效地抑制了共模干扰。采用EZ-USBFX2的slave FIFO模式的数字电路构成了基于USB2.0的8路高速采集与传送系统,各路信号的最大同步时间差不超过1ms。编写了可在普通PC机上运行的上位机读USB口数据程序,在上位机上得到了实时、完整、准确的肌电信号,为肌电信号处理、分析和应用提供了可靠的数据基础。     

基于单通道sEMG分解的手部动作识别方法

表面肌电信号(Surface electromyography,s EMG)已广泛应用于手部动作识别。为提高动作识别精度,研究者往往需要采集多个通道s EMG信号,从而增加应用复杂性,针对这一情况,提出一种基于单通道s EMG分解的手部动作识别方法。使用单通道电极采集人体上臂肌肉s EMG,将其分解为6个运动单元动作电位序列,过程包括:二阶差分滤波、阈值计算、尖峰检测、分层聚类;然后,提取绝对值积分、最大值、非零中值、半窗能量等特征,并采用主元分析法降维;最后,利用支持向量机分类识别5种不同手部动作,精度达到80.4%。而采用未融合s EMG分解的传统方法,动作识别精度仅有约70%。     

手指肌电信号稀疏分解重构与活动段特征提取研究

针对传统信号处理方法在非平稳信号处理中的局限性问题,对稀疏分解思想和自适应过完备原子库进行了研究,提出了将稀疏分解思想应用到表面肌电信号处理中的方法。采用数据分割的方式,对原始信号进行了预处理。在正交匹配追踪算法的基础上,利用K均值-奇异值分解(K-SVD)算法构造了自适应过完备原子库,对分割后的各个样本块分别进行了稀疏分解,将其多维特征重构为一维稀疏系数。同时,以便于实际应用与连续控制为原则,对每个样本块的稀疏系数进行了重组,用单个特征值表征了样本块的多维特征。数据分析结果表明,重构后的一维稀疏系数可以保留四维原始信号的绝大部分能量,而重组后的特征值可以准确反映原始信号活动段的变化。     

肌电模糊熵特征的加权核FDA跌倒识别

针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的sEMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.     

5 DOF穿戴式上肢康复机器人控制方法研究

提出了一种面向偏瘫患者,可实现单关节和多关节运动的5自由度穿戴式上肢康复机器人的控制新方法.根据偏瘫患者上肢单侧受损的特点,该机器人利用偏瘫患者的健肢运动的表面肌电信号(sEMG)驱动康复机械臂辅助患者患肢实现康复训练.利用肌电绝对值积分(IAV)和自回归参数模型法(AR model)对选定的上肢四块肌肉运动产生的sEMG信号进行分析,所提取的特征分别作为基于Levenberg-Marquardt算法的反向传播神经网络的输入,6个上肢运动作为输出建立表面肌电信号与上肢康复动作之间的关系.试验结果表明该方法利用sEMG准确地完成了对上肢康复动作的识别.这一方法有利于提高患者运动积极性,保持正确运动的感觉,并为研究患者受损上肢表面肌电信号与肌肉运动的关系打下了基础.