基于小波變換與人工神經(jīng)網(wǎng)絡(luò)的表面肌電信號分析.pdf

1、肌電信號是人體自主運動時神經(jīng)肌肉活動發(fā)出的生物電信號，它反映了神經(jīng)、肌肉的功能狀態(tài)。表面肌電信號是使用方便且無痛苦的表面電極測得的肌電信號。在對認(rèn)識和了解人體神經(jīng)系統(tǒng)信息傳遞、基礎(chǔ)醫(yī)學(xué)研究、臨床診斷、運動醫(yī)學(xué)和康復(fù)工程中均有廣泛的應(yīng)用。如何從表面肌電信號中有效地提取信息并實現(xiàn)準(zhǔn)確、實時的動作識別，是表面肌電信號研究的關(guān)鍵性問題。
　　本文以加拿大生產(chǎn)的INFINITI多導(dǎo)生物反饋儀所采集的表面肌電信號為研究對象。該生物反饋儀體積小

2、巧，攜帶方便，其本身自帶解碼器，不需要與特定PC相連，作為新型的肌電信號采集裝置，有很好的應(yīng)用前景。但對其采集的表面肌電信號的相關(guān)分析工作還比較少見。本文基于INFINITI生物反饋儀的表面肌電信進行上肢動作識別的研究，所做的主要工作如下:
　　1.在表面肌電信號的去噪方面進行了研究。采用軟域值去噪的方法，主要討論閾值選取的問題。對Birge-Massart分層閾值與全局閾值小波降噪方法進行了比較，通過實測數(shù)據(jù)驗證了分層閾值方法的

3、有效性。
　　2.針對肌電信號的非平穩(wěn)特性，采用小波變換方法對表面肌電信號進行特征提取，提取小波系數(shù)絕對值最大值構(gòu)造特征矢量，輸入神經(jīng)網(wǎng)絡(luò)分類器進行模式識別。
　　3.對動作模式識別中的分類器技術(shù)進行了研究。在搞清BP網(wǎng)絡(luò)固有缺陷的前提下，采取多種優(yōu)化算法對BP網(wǎng)絡(luò)進行改進。本文引入Resilientback-PROPagation算法對BP網(wǎng)絡(luò)進行了改進，并將改進后的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于表面肌電信號的動作識別方面，得到了分類