基于表面肌電信號的人手動作模式識別和抓取力預(yù)測技術(shù)研究.pdf

1、表面肌電信號（surface electromyography,sEMG）是由肌肉興奮時募集的多個運動單元產(chǎn)生的動作電位在表面電極處的綜合疊加。目前，基于sEMG的智能假肢已成為研究熱點。遺憾的是，大部分的研究都傾向于識別人手動作模式，卻很少對假肢手抓取物體時所應(yīng)該施加的力進行預(yù)測估計，從而難以研制出更加精確抓取任務(wù)的智能假肢手。本文的目的在于探索一種基于sEMG的手部抓取動作識別以及抓取力預(yù)測的方法，本文研究的主要內(nèi)容有：
　　

2、（1）在采用6階巴特沃斯帶通濾波與快速獨立成分分析（FastICA）相結(jié)合的方法對sEMG進行預(yù)處理的基礎(chǔ)上；采用小波包結(jié)合樣本熵的特征提取方法得到sEMG的標(biāo)準(zhǔn)樣本熵（SSE）特征；然后采用SVM模型分類器進行基于兩通道與四通道sEMG的抓取動作模式識別。
　?。?）分別在隨意與規(guī)定抓取模式下，選取sEMG的標(biāo)準(zhǔn)樣本熵為特征，采用AGA--SVR預(yù)測模型進行抓取力預(yù)測實。預(yù)測精度優(yōu)于傳統(tǒng)的采用sEMG幅值或MAV特征進行抓取力預(yù)

3、測。
　?。?）設(shè)計了基于 MATLAB-GUI的實驗平臺，詳細分析了抓取模式識別和抓取力預(yù)測的精度，驗證了本文方案的可行性：
　　在基于sEMG手部抓取動作識別平臺進行驗證實驗，結(jié)果得出基于兩通道的4種抓取動作模式的正確識別率大于92％，進一步的交叉驗證試驗結(jié)果的最低識別率為90%，驗證了該分類器的良好性能；基于四通道的實驗結(jié)果得到每種抓取動作模式的正確識別率均大于96%，表明適當(dāng)增加電極的個數(shù)所得正確識別率有所提高。在隨

4、意抓取模式下基于二通道的力預(yù)測實驗結(jié)果表明sEMG的幅值能夠反映抓取力大小的變化；AGA--SVR預(yù)測模型的回歸精度優(yōu)于 BP算法預(yù)測模型；基于四通道的力預(yù)測實驗結(jié)果表明其預(yù)測精度優(yōu)于基于兩通道的力預(yù)測。在規(guī)定抓取模式下基于四通道的力預(yù)測實驗結(jié)果表明其力預(yù)測的精度優(yōu)于隨意抓取模式下的力預(yù)測；采用基于四通道sEMG的MAV特征進行力預(yù)測的精度要優(yōu)于直接用sEMG的幅值進行力預(yù)測，而采用sEMG的SSE特征進行力預(yù)測的精度則又優(yōu)于用sEMG