多传感器手爪的研究

本文介绍了一种多传感器机械手爪，手爪上安装了接近觉接触觉滑觉滑力觉滑热觉与温觉等５种传感器。该手爪与简易视觉结合能使机器人完成一些不同截面形状和材质工件的识别。     

改进 S 变换谱估计的动态手势肌电特征处理

手语是各种手势动态变化的一种复杂运动模式,手势特征处理效果直接关系到手语识别的准确性。本文提出一种基于改进S变换谱估计的动态手势肌电特征处理新方法。对采集的表面肌电信号进行S变换,引入优化因子调节时频分辨率并生成改进S变换谱;定义谱的时间和频率分量为二维随机变量,以改进S变换谱元素为二维随机变量样本,通过高斯核密度估计得到二维核密度函数。仿真和实验均表明,改进S变换谱估计方法有效抑制了白噪声,并使动态手势的肌电暂态突变特征得到加强。与经验模态分解、自排序熵、奇异值排序熵等方法对比,基于该方法的动态手势识别率分别提高了10.0%、6.67%和11.67%,特征处理方法的效果明显。     

基于肌肉协同激活模型的上肢关节运动连续估计

关节运动连续估计为基于表面肌电信号的人机交互提供了一种更为自然灵活的方式。提出了一种基于肌肉协同理论和支持向量回归的激活模型进行上肢关节角度的估计。首先利用非负矩阵分解算法对肌电信号进行解耦,提取独立动作的协同元;然后根据非负最小二乘算法计算相应协同元激活系数;最后通过支持向量回归构建了映射激活系数到关节角度的激活模型,利用建立的激活模型从采集的表面肌电信号得到关节运动的连续估计。对2个关节独立和组合运动的估计实验表明,该模型能获得较高的估计精度。     

肌电信号的功率谱分析方法

当用传统的检测方法对肌电信号(EMG)进行处理时,会出现较大的个体差异,针对这一不足,我们对其在频域中作具体的分析,提出了一种新的表面肌电信号特征提取方法--功率谱比值法.并在非特定人的条件下,经过多次实验确定实际所用肌电信号的主要频率范围和功率谱的各项参数,将功率谱比值法应用于前臂肌群的表面EMG特征提取,减小了个体差异,进而实现非特定人的动作模式识别.     

用Hopfield神经网络实现触觉图像恢复

通过对安装于机器人手爪上的阵列触觉传感器所采集到的触觉图像的分析,提出了用Hopfield神经网络实现触觉图像恢复的技术.Hopfield神经网络把触觉图像的每一个像素作为一个处理单元(神经元),像素之间的关系即神经元之间的权值作为储存单元.首先利用Hebb规则计算权值矩阵,用以存储所有样本的标准模式,然后利用网络的联想记忆能力恢复被抓物体的触觉图像.实验结果表明,该方法能达到很好的触觉图像恢复和识别效果.     

基于HMM建模技术的语音识别改进算法

本文在隐马尔可夫模型(Hidden Markov Model,简称HMM)的基础上,提出了一种帧相关模型的改进算法,它与现行HMM方法中的前后帧相关模型比,算法简化,计算量明显减小,与传统HMM方法比,提高了识别率     

基于表面肌电信号形态特征的多模式识别研究

为提高肢体运动模式识别率,基于肌电信号的产生机理提出了选用信号的形态特征实现肌电信号模式识别的新方案。方案以分形理论中关联维及分维数的概念分别表征肌电信号的复杂度及自相似性,其中关联维的计算采用了一种改进的G-P算法、即G-P关联维逼近法;在手部动作模式识别中,以关联维和分维数作为表面肌电信号的特征向量,分类器采用由对支持向量机构造的二叉树结构多类分类器。针对手部张开、合拢及腕伸、腕屈4种运动模式的识别实验,该方法的正确识别率达到了91.0%,已具备一定的实用性。     

一种改进阈值的平移不变量小波消噪方法

分析了小波消噪软、硬阈值方法,提出一种改进阈值的平移不变量小波消噪方法.采用重复循环平移原始信号的方法消除不连续点的相互干扰,分别进行小波分解.使用改进的阈值量化算法,通过处理小波系数的幂次和阈值的幂次来估计小波系数,并重构信号,对重构信号进行相反平移,通过相反平移信号求平均得到消噪后的信号.对表面肌电信号处理的实验结果表明,与传统的阈值法相比,该方法提高了信噪比,降低了均方误差.     

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。     

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.