基于表面肌電的手指運動向量分類方法研究.pdf

1、表面肌電信號(sEMG)是從人體骨骼肌表面通過表面電極記錄下來的神經(jīng)肌肉的電生理活動，它反映了神經(jīng)、肌肉的功能狀態(tài)。由于表面肌電信號的提取方便、快捷、無創(chuàng)傷測量等優(yōu)點，它被越來越廣泛地應用于肌肉和神經(jīng)系統(tǒng)的信息獲取和診斷中。到目前為止，國內外很多學者提出了許多方法從表面肌電信號中識別出前臂前后旋，腕部伸屈的運動模式，但在手指運動模式分類方面還沒有引起廣泛的研究。本論文針對基于表面肌電信號的手指運動模式分類方法進行了探討。 首先，

2、本論文詳細介紹了肌電信號產生的生理學機理，介紹了它在康復醫(yī)學中的應用，概述了當前表面肌電信號的研究現(xiàn)狀，同時分析討論了目前提出的分析識別表面肌電信號的方法。這部分知識為本課題的研究提供了理論基礎。 然后，本論文嘗試利用兩種分析方法和一種分類器的結合，對手指五指捏、五指展開、四指(除去拇指)彎曲和拇指對掌運動等四種運動模式分類進行研究。其中一種分析方法是小波變換，本論文用小波變換對表面肌電信號進行多尺度分解和重構，依據(jù)信號不同頻段

3、所覆蓋能量的多少，提取分解樹上合適的節(jié)點系數(shù)重構信號作為特征矢量，并對其進行奇異值分解以達到降維的目的，便于下一步進行分類。另外一種分析方法是小波包，本論文用小波包對手指四種運動模式信號進行分解，根據(jù)相對小波系數(shù)能量比的大小，提取分解層上的節(jié)點系數(shù)信號所占的能量比作為特征矢量。 最后，經(jīng)過討論常用幾種分類器的研究進展和應用，本論文選取BP神經(jīng)網(wǎng)絡分類器對上述兩種方法提取的特征矢量進行分類，均達到較好的分類結果，分類準確率均在90