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%.     

一种新型手臂力触觉反馈装置的设计与实现

力触觉是重要的非视觉信息来源之一,通过触觉向人类传递丰富的信息被广泛应用于各个领域。为解决基于振动的力触觉反馈中所存在的振动器与皮肤之间接触力不可调和重复穿戴时接触力不一致而影响振动感知的问题,提出了一种利用气囊来调节振动器与皮肤之间的接触力的方法,并以此设计了一种新型手臂力触觉反馈装置。为验证装置的有效性,设计了不同的振动强度识别实验。实验结果表明,对于参与实验的受试者,振动器与皮肤之间的接触力对振动强度的识别的影响是显著的,在气囊内外气压差为15 mbar时,振动强度的识别率最高,为76. 67%。