移动服务机器人共享控制研究

移动服务机器人在提高老人/残疾人活动空间方面具有重要作用.针对机器人自主避障失败时存在安全问题,提出了基于共享控制的服务机器人系统.构建基于机器视觉与人眼视觉共享控制的机器人系统.研究服务机器人的共享策略问题和眼电信号角度与参考轨迹关系.引入人工场解决自适应轨迹跟踪算法的平滑性.仿真结果说明基于人工场导向方法能平滑逼近期望轨迹.实验结果表明本系统能够满足使用者的安全需求.     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

改进AR模型特征提取及分类

目前,表面肌电信号（sEMG）是手势动作识别研究的重要信号源.本文以肌电信号为对象,从非平稳与非线性的角度出发,采用ICA独立成分分析和经验模式分解的方法,消除表面肌电信号中的工频干扰,对处理后的信号建立AR模型.将模型系数作为信号的特征,对6种手势动作进行模式识别.实验表明,该方法获得的特征具有较好的分类效果.     

焊接电弧电信号滤波方法的选用

由于噪声的存在，会使测试分析系统所采集到的焊接电弧电信号的数据误差增大，数据的精确程度会受到干扰而发生变化。情况严重时会影响二次处理的结果，因此应采取有效措施滤除信号中的噪声。本文介绍了多种软硬件滤波方法，并具体介绍了小波滤波方法，因小波滤波可使原始信号的失真较小。故可选择小波滤波作为焊接电弧电信号采集与预处理的主要滤波方法。     

应用联合时频分析研究CO2焊接过程中的电信号

CO2焊接过程的电弧电压、焊接电流信号蕴含了丰富的焊接信息.利用联合时频分析对CO2焊接过程电信号进行研究,分析了短时傅里叶变换窗函数的选择对谱图的时频集聚性的影响,并选择汉宁窗获得了较好的时频集聚性.为了获得CO2焊接电信号中短路过渡的信息,尝试利用时频分析谱图对焊接试验中采集到的几组焊接电流信号进行分析,研究了其能量分布及熔滴过渡的特征,并利用联合时频分析三维谱图,对采用不同焊接参数获得的电弧电压信号进行对比.结果表明,利用联合时频分析对CO2焊接过程电信号进行分析,能够获得更多的有价值信息,该方法具有较好的研究应用前景.     

在线半监督Kohonen网络的预抓取手势识别

为实现智能仿生手的抓取,提高模式识别的实时性和灵敏性,提出一种在线半监督Kohonen网络。该网络针对表面肌电信号(s EMG)的特性,在有监督Kohonen网络基础上,将有监督和无监督网络的优势进行结合,应用数据剪辑方法处理训练集更新识别网络,在线识别侧边抓取、球形抓取、三指精确抓取和圆柱形抓取4种预抓取手势。实验表明,与不同Kohonen网络相比,此识别方法具有很好的在线识别能力和正确率。     

基于肌电信号容错分类的手部动作识别

针对肌电交互系统中因电极断开、损坏及数据传输中断等故障造成的数据错误/丢失问题,提出一种基于高斯混合模型的肌电信号容错分类方法,通过对肌电信号特征样本中错误/丢失数据边缘化或条件均值归错实现非完整数据样本分类.应用所提出的方法识别5种手部动作,实验结果表明,该方法的动作识别精度要高于传统的零归错与均值归错方法.最后,融合容错分类机制开发了肌电假手平台,在线实验验证了提出的方法可以有效提高肌电交互系统的鲁棒性.     

基于块稀疏贝叶斯学习的体域网心电压缩采样

为有效提高体域网的实时性和降低体域网的功耗,提出一种基于块稀疏贝叶斯学习的体域网心电压缩采样方法。该方法在体域网框架下,利用压缩采样理论,在体域网的传感节点利用二进制随机观测矩阵对心电信号进行压缩采样,远程监护中心获得采样值之后,利用块稀疏贝叶斯学习重构算法和离散余弦稀疏变换矩阵对心电信号进行重构。实验结果表明,当心电信号压缩率在70%~90%时,基于块稀疏贝叶斯学习的重构算法要比其他重构算法的重构信噪比高出3 dB~21 dB。该方法能有效减少数据采样,减轻后续的数据存储、数据传输压力,提高体域网的实时性。同时该方法具有功耗低,易于硬件实现的优点。     

基于熵和PSO优化SVM的肌电信号跌倒识别

跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化,对8种动作进行识别实验,跌倒识别率88%,特异度98.3%,平均识别率97.0%,优于网格法和遗传算法支持向量机（GA-SVM）的参数优化,具有较强的鲁棒性和抗干扰能力。     

全定制心电采集的模拟集成电路设计

设计和实现了一种应用于健康监测设备的采集心电信号的模拟集成电路(IC)。该电路系统包括集成了右腿驱动电路的仪表放大器,二阶有源低通滤波器,第二级放大电路,高电源抑制比(PSRR)的低压差线性稳压电源(LDO)以及导联脱落检测电路。与其他已有的方案相比,该全定制模拟集成电路系统集成了工业级应用所需要的全部功能,并且表现出更好的共模抑制和电源抑制性能。芯片采用SMIC0.18μmCMOS工艺流片,且已完成测试,通过电极成功采集到人体心电信号。测试结果表明,该模拟IC实现了在0.5~100Hz带宽内51dB的增益,系统的共模抑制比和电源抑制比为75dB和90dB。在2.9V~5.5V电源电压下正常工作时,芯片消耗190μA的电流。