基于表面肌電信號的人體下肢動作識別及關(guān)節(jié)力矩分析研究.pdf

1、表面肌電信號是指從肌肉表面通過電極引導(dǎo)而記錄下來的神經(jīng)肌肉系統(tǒng)活動時的生物電信號，它與肌肉的活動狀態(tài)和功能狀態(tài)之間存在著不同程度的關(guān)聯(lián)性，不同的肢體動作由不同的肌肉收縮模式產(chǎn)生，肌電信號特征也存在差異，通過對表面肌電信號特征進(jìn)行分析就可以區(qū)分出不同的動作模式。表面肌電信號已經(jīng)廣泛應(yīng)用到臨床醫(yī)學(xué)、運(yùn)動醫(yī)學(xué)、生物醫(yī)學(xué)與工程等諸多領(lǐng)域，在智能假肢方面已經(jīng)成為功能性電刺激的理想控制信號。本文通過對采集的表面肌電信號(sEMG)信號進(jìn)行分析處理，

2、識別出運(yùn)動者的運(yùn)動意圖，研究肌電信號與關(guān)節(jié)力矩之間的關(guān)系，為智能假肢控制做基礎(chǔ)。
　　本研究主要內(nèi)容包括：⑴利用表面電極獲取下肢運(yùn)動肌電信號，設(shè)計采集10位測試人員人體腿部的股直肌、股內(nèi)側(cè)肌、股外側(cè)肌、股二頭肌、半腱肌、脛骨前肌、內(nèi)側(cè)腓腸肌、外側(cè)腓腸肌、比目魚肌九塊肌肉在上下臺階和上下斜坡時的表面肌電信號。通過采用小波閾值去噪方法，對小波分解后的各層系數(shù)中模大于和小于某閾值的系數(shù)分別處理，然后對處理完的小波系數(shù)再進(jìn)行反變換，重構(gòu)出

3、經(jīng)過去噪后的信號。⑵基于DB、Dmey和Bior三種不同的母小波，采用離散小波變換通過不同的分析方法對表面肌電信號進(jìn)行多尺度分解，通過對特征值的分析比較，對單一特征值進(jìn)行融合分析構(gòu)成特征向量，使各單一特征的優(yōu)點互補(bǔ)，增強(qiáng)了特征值的表征能力，從而有效提高了模式分類的正確率。⑶運(yùn)用BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)對特征矢量進(jìn)行人體運(yùn)動模式的識別，通過將單一特征值和融合特征值分別輸入BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)，得出多特征融合與單特征集的

4、表征能力比較。⑷以表面肌電信號為生物學(xué)輸入信號計算膝關(guān)節(jié)肌肉力，從正反動力學(xué)兩方面進(jìn)行研究，逆動力學(xué)使用運(yùn)動學(xué)數(shù)據(jù)、測力臺數(shù)據(jù)等通過力及力矩平衡方程得到關(guān)節(jié)合力矩。正動力學(xué)首先使用表面肌電信號計算得到肌肉激活度,使用運(yùn)動學(xué)數(shù)據(jù)和個性化的人體骨骼肌肉模型計算得到肌肉長度、收縮速度和力臂。然后將肌肉激活度、肌肉長度、收縮速度代入肌肉收縮模型得到肌肉力代入力臂后得到肌肉力矩。最后將逆動力學(xué)得到的關(guān)節(jié)合力矩與正動力學(xué)得到的關(guān)節(jié)肌肉合力矩進(jìn)行比較