学位论文 > 优秀研究生学位论文题录展示
动作表面肌电信号的非线性特性研究
作 者: 邹晓阳
导 师: 雷敏
学 校: 上海交通大学
专 业: 机械设计及理论
关键词: 表面肌电信号 非线性分析 多尺度分析 模式识别
分类号: TH772
类 型: 硕士论文
年 份: 2012年
下 载: 90次
引 用: 0次
阅 读: 论文下载
内容摘要
人体动作电信号由神经和肌肉组成的运动单元产生,然后控制肌肉进行协同作用,从而完成人体动作。不同的电信号驱动不同的动作。在动作完成的整个过程中,这些电信号通过人体组织在皮肤表面上输出,被皮肤处的电极等设备采集到。采集到的电信号称为表面肌电信号。表面肌电信号与肌肉活动情况和功能特性之间存在着不同程度的关联性,在一定程度上反映了神经肌肉的状况和活动情况。因此,表面肌电信号在临床医学、运动医学、人机工效学、康复医学、神经生理学、电生理学等领域被广泛应用。目前,关于动作表面肌电信号的非线性特性研究还处于初级探索阶段。在已有的表面肌电信号采集方法和技术的基础上,本文了设计了表面肌电信号的采集实验,采集到人体前臂内翻、外翻、握拳、展拳、上切和下切六类动作表面肌电信号作为研究对象。利用非线性时间序列分析方法对表面肌电信号的非线性特性进行研究,验证了表面肌电信号的非线性特性,表明动作表面肌电信号是一混沌信号。这对于深入认识神经肌肉系统的功能活动规律及其实质、建立更加科学合理的肌肉功能非损伤性评价技术均具有重要的价值。为了进一步了解动作表面肌电信号的非线性特性,本文主要利用小波变换和希尔伯特-黄变换对动作表面肌电信号进行了多尺度分解,进而对每一个尺度上的动作表面肌电信号的非线性特性进行了研究,把动作表面肌电信号的非线性特性在不同的尺度上进行展开,更加了解了动作表面肌电信号的非线性特性。最后,为了提高动作表面肌电信号的识别率,本文提出一种将非线性分析和多尺度分析结合的方法。该方法从其非线性和非平稳特性的角度出发,引入了多尺度非线性特征,并应用到人体前臂六类动作表面肌电信号的模式识别中。将多尺度非线性特征输入支持向量机,并结合核主元分析方法,使动作表面肌电信号的平均识别率达到98%。结果表明,利用多尺度非线性特征对动作表面肌电信号进行模式识别效果良好。
|
全文目录
摘要 3-5 ABSTRACT 5-9 第一章绪论 9-20 1.1 课题来源 9 1.2 表面肌电信号概述 9-14 1.2.1 表面肌电信号的产生机理 9-10 1.2.2 表面肌电信号的主要特点 10-11 1.2.3 表面肌电信号的处理方法 11-14 1.3 表面肌电信号的研究意义和研究现状 14-18 1.3.1 表面肌电信号的研究意义 14 1.3.2 表面肌电信号的研究现状 14-18 1.4 研究课题 18-19 1.5 组织结构 19-20 第二章动作表面肌电信号采集 20-24 2.1 表面肌电信号采集概述 20-21 2.2 采集设备和步骤 21-23 2.3 本章小结 23-24 第三章动作表面肌电信号的非线性特性分析 24-45 3.1 非线性时间序列分析概述 24-27 3.1.1 非线性时间序列分析的研究现状 24-26 3.1.2 非线性时间序列分析的基本问题 26-27 3.2 相空间重构 27-32 3.2.1 相空间重构方法 27-30 3.2.2 动作表面肌电信号的相空间重构 30-32 3.3 时间序列的非线性特性检验 32-35 3.3.1 零假设和替代数据 32-33 3.3.2 动作表面肌电信号的非线性特性检验 33-35 3.4 动作表面肌电信号的非线性特征 35-44 3.4.1 动作表面肌电信号的熵值 35-41 3.4.2 动作表面肌电信号的最大李雅普诺夫指数 41-44 3.5 本章小结 44-45 第四章动作表面肌电信号的多尺度非线性特性分析 45-60 4.1 多尺度方法概述 45-47 4.2 动作表面肌电信号的多尺度模糊熵 47-53 4.2.1 小波变换 47-48 4.2.2 动作表面肌电信号的小波分解 48 4.2.3 动作表面肌电信号的多尺度模糊熵 48-53 4.3 动作表面肌电信号的多尺度最大李雅普诺夫指数 53-59 4.3.1 希尔伯特-黄变换 53-54 4.3.2 动作表面肌电信号的经验模态分解 54-55 4.3.3 动作表面肌电信号的多尺度最大李雅普诺夫指数 55-59 4.4 本章小结 59-60 第五章基于多尺度非线性特征的动作表面肌电信号模式识别 60-70 5.1 模式识别概述 60-62 5.1.1 模式识别的研究现状 60 5.1.2 模式识别的基本方法 60-62 5.2 基于多尺度非线性的动作表面肌电信号模式识别 62-69 5.2.1 支持向量机 62-63 5.2.2 核主元分析 63-65 5.2.3 基于多尺度模糊熵的动作表面肌电信号模式识别 65-67 5.2.4 基于多尺度最大李雅普诺夫指数的动作表面肌电信号模式识别 67-69 5.3 本章小结 69-70 第六章总结与展望 70-72 6.1 工作总结 70-71 6.2 研究展望 71-72 参考文献 72-76 攻读硕士学位期间已发表或录用的论文 76-77 致谢 77-79
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 混凝土高拱坝三维非线性有限元坝肩稳定分析研究,TV642.4
- 基于仿生模式识别的文本分类技术研究,TP391.1
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于回波包络的超声波入侵探测在军队警戒巡逻中的应用,E919
- 混凝土率型内时损伤本构模型,TU528
- 基于多尺度分析的图像融合算法研究,TP391.41
- 配置加强箍筋混凝土短柱力学性能分析,TU375.1
- 空间信息处理中基于模糊技术的数学模型的改进,O159
- 基于API Hook技术的Bot检测方法的研究与实现,TP393.08
- 表面肌电信号分析与实时系统构建,R318.0
- 基于广义动态模糊神经网络的肌电信号模式识别系统,TP183
- 表格手写内容识别系统的设计与实现,TP391.41
- PID参数自整定的研究与应用,TP273
- 河南省文化遗产价值指标体系研究,G122
- FRP钢骨混凝土构件受力性能研究,TU398.9
- 基于CUDA的视频火灾检测系统,TP391.41
- 美元纸币关键信息的图像检测以及号码识别,TP391.41
- 基于SIFT特征和SVM的场景分类,TP391.41
- 多尺度信息融合算法研究,TP202
中图分类: > 工业技术 > 机械、仪表工业 > 仪器、仪表 > 医药卫生器械 > 医用电气机械
© 2012 www.xueweilunwen.com
|