论文部分内容阅读
随着社会的发展和进步,残疾人事业得到越来越多的重视。帮助残疾人减轻身体和精神上的痛苦成为建设文明社会中一项艰巨的任务,其中,上肢残疾是指手臂残缺或畸形导致的功能丧失或障碍,属于有康复需求范畴。肌电假手凭借其对使用者影响较小的优势,成为医疗和残疾康复领域广泛关注的热点。而完善肌电信号的处理方法和识别系统是提高肌电假手灵活性、准确定和易控性的关键技术之一。本文以手部连续动作产生的肌电信号为研究对象,以五种基本动作模式为识别目标设计了一款表面肌电信号处理与识别系统,旨在提高系统的识别准确率,缩短系统响应时间和降低系统成本。具体包括如下研究内容:首先,对表面肌电信号的采集方法进行了研究,结合信号特点,以提高采集速度和降低系统成本为目标搭建了信号采集平台,探讨了电极安放位置,规划了基本手部动作,并设计数据采集实验,利用四路表面电极实现了对五类手部动作姿态的信号采集。其次,基于对手部灵活性和多样性的考虑,提出了“极值点”方法,实现对连续动作信号按照动作姿态的不同分割成独立部分,得到常用动作姿态信号的稳态数据,为系统识别做好准备。然后,利用时域方法,混沌理论算法和时频分析方法提取了幅值平均值特征、分形维数特征、最大Lyapunov指数特征和小波系数特征,比较了四个特征的聚类性,为选取有效信号特征提供依据。最后根据四个信号特征聚类能力,利用分层结构的BP神经网络对指总伸肌的幅值平均值特征和拇长屈肌的小波系数特征进行融合并识别,五类动作姿态的识别率达到82.77%,经验证,该系统经过简单参数修改可以用于其他使用者。