基于ART2神經(jīng)網(wǎng)絡(luò)的手勢動作SEMG信號模式識別研究.pdf

1、肌肉自主收縮或受到外部刺激時，神經(jīng)肌肉系統(tǒng)中的運動神經(jīng)元被激活，所募集運動單位(MU)形成的運動單位動作電位(MUAP)經(jīng)過由肌肉、脂肪及皮膚等組織構(gòu)成的容積導(dǎo)體后在皮膚表面測量位置處與各種噪聲信息綜合疊加形成的電位波形就是表面肌電信號(Surface Electromyography，SMEG)。表面肌電信號作為一種重要的生物電信號，已經(jīng)被廣泛應(yīng)用于仿生學(xué)、生物反饋、運動醫(yī)學(xué)和康復(fù)工程中。近年來，隨著人機交互技術(shù)的發(fā)展，手勢識別成為其

2、中一項關(guān)鍵技術(shù)，基于動作SEMG信號的手勢識別技術(shù)作為一個研究熱點，被開發(fā)為人機交互的控制信號，廣泛用于虛擬現(xiàn)實、三維設(shè)計、機器人、計算機視覺、醫(yī)學(xué)研究、手語理解等領(lǐng)域中。 在手勢動作SEMG信號的模式識別研究中，分類算法的研究與應(yīng)用成為手勢識別的關(guān)鍵技術(shù)之一。本文采用一種基于自適應(yīng)共振理論(Adaptive Resonance Theory，ART)的神經(jīng)網(wǎng)絡(luò)ART2對手勢動作SMEG信號進行模式識別研究，并進行了單用戶和多用

3、戶的實驗。研究結(jié)果表明，基于ART2的手勢識別系統(tǒng)具有快速識別的能力，且能改善基于動作SMEG信號手勢識別系統(tǒng)的自適應(yīng)性和穩(wěn)定性。本研究為實現(xiàn)基于手勢動作的具體設(shè)備或虛擬現(xiàn)實的實時交互控制打下了良好的基礎(chǔ)，具有重要的理論意義和實際工程應(yīng)用價值。 圍繞SEMG信號的手勢識別研究，本文的主要工作和成果有： 1.在對表面肌電信號的生理學(xué)本質(zhì)深刻理解及其特征深入分析的基礎(chǔ)上，設(shè)計了多通道SEMG信號采集和實驗方案，完成了手勢動作

4、SEMG信號的預(yù)處理、活動段檢測和特征提取。利用20Hz～400Hz的帶通濾波器對采集到的原始SEMG信號進行預(yù)處理，有效地抑制了噪聲、消除了基線漂移的影響。采用移動平均算法在連續(xù)采集的肌電信號中對活動段進行檢測，判斷有效動作信號的起始點和終止點，獲得有效的動作信號。采用多通道歸一化絕對值均值(MAV)和5階AR模型對8通道手勢動作SEMG信號進行特征提取。 2.基于ART2神經(jīng)網(wǎng)絡(luò)分類器的SEMG手勢動作模式識別研究。在對AR