基于小波系数非线性连续函数衰减的脑电信号去噪

环境噪声和工频噪声的干扰对脑电信号(EEG)的进一步处理和分析带来极为不利的影响。针对传统小波系数软阈值消噪方法去噪后产生的波形失真和硬阈值消噪方法去噪后产生的振荡现象,提出了一种新的小波系数非线性连续函数衰减处理算法。通过小波系数的非线性衰减处理,使低值端小波系数连续函数的变化介于硬软阈值函数之间,有效避免了处理后的波形失真和振荡。通过实验数据比较,证明处理后的脑电信号信噪比和均方误差均优于传统的小波去噪处理方法。     

表面肌电信号的AR 参数模型分析方法

根据实际肌电信号的随机性特征，对其建立AR(Autoregressive)模型，得到其AR模型的各项参数，分析此系数和对应肌肉活动所确定的肢体动作之间的关系，从而得到基于动作模式的表面肌电信号(EMG)AR模型参数分析方法。     

HI—1三感觉机械手的研究

本文对机器人的接近觉、接触觉、滑觉进行了研究,设计并制作了能装于机械手爪上的小型组合传感器.传感器组成的系统在一简易的机械手上完成了抓鸡蛋、纸盒、玻璃瓶、铁块等多种操作.     

机器人压阻阵列触觉数据采样的研究

压阻阵列触觉传感器为减少外接引线，一般来用行列电极结构，给触觉的扫描采样带来了噪声。随着阵列数的增加，提高传感器的频响，将直接影响它的实时处理。为此，设计了一种新的行扫描采样电路，解决了这二方面的问题．     

融合表面肌电和加速度的手势动作识别

针对复杂动态手势识别问题,提出一种融合表面肌电和加速度传感信息的识别方法,对四路表面肌电与三轴加速度信号进行数据采集,通过预处理提取有效活动段,将一个完整动态手势分割为三个区段:起始段、主特征段和收尾段,提取加速度信号的宏观全局特征,并与主特征段表面肌电信号的复杂度微观细节特征组成特征向量,输入支持向量机完成分类。实验结果显示,该方法对4名受试者执行的6种中国手语手势的最高识别率为 91.2%,证明该方法对复杂动态手势具有较好的可识别性。     

基于视觉的足球机器人快速识别技术

机器人足球比赛是一项综合性的高技术对抗活动，其中快速准确地识别小球和机器人小车是决策及控制的基础。该文提出了一种在动态环境下对多个目标进行快速识别的新方法——基于颜色信息的识别算法。     

一种膝关节角度测量及其校准方法

针对膝关节角度测量问题，给出了一种基于微型加速度传感器测量角度原理的膝关节角度测量方法，该方法结合固定于膝关节同一位置但不同轴向角度的两个微型加速度传感器的测量数据，联合推算出膝关节角度。根据两个传感器输出加速度向量模相等的原理，进一步提出了测量角度的交叉校准方法。实验结果表明，采用该方法建立的膝关节角度测量系统，测量成本较低，测量精度达到±1．5°。     

一种表面肌电信号测试电路设计

表面肌电信号(SEMG)是一种伴随肌肉活动在皮肤表面产生的生物电信号,它蕴涵了许多肢体运动的信息,对其进行模式信息处理可以获得人-机仿生系统的控制信号.SEMG的特点是内阻高,影响因素多,并极易受到干扰.本文在分析肌电信号产生机理的基础上,给出了一种SEMG的采集、放大和滤波电路.对信号处理电路的特性分析表明,所设计的处理电路可以有效提取(10～500)Hz的肌电信号,并能对50 Hz的工频干扰起到很好的抑制作用,该电路在实际应用时取得了理想的实验结果,信号的采集能力和信噪比达到或接近美国kistler公司的肌电采集仪水平.     

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和二代小波变换的表面肌电信号消噪方法

为了更好地消除混杂在表面肌电信号(sEMG)中的噪声,提出了一种基于总体平均经验模式分解(EEMD)和二代小波变换的sEMG消噪新方法。首先对信号加入白噪声处理后进行经验模态分解(EMD),然后对高频的内蕴模式函数(IMF)分量进行二代小波阈值消噪处理,最后把处理后的高频IMF分量与低频IMF分量进行叠加,重构后的信号即为去噪信号。实验结果表明,该方法融合了二代小波与EEMD的优点,能更好的消除噪声,最大限度的保留有用信号,并具有更高的信噪比。