基于肌電信號(hào)的手臂動(dòng)作識(shí)別及虛擬仿真.pdf

1、表面肌電信號(hào)作為一種重要的人體生理電信號(hào)可以應(yīng)用于智能系統(tǒng)，實(shí)現(xiàn)對(duì)虛擬假肢或智能假肢的控制。目前，在智能仿生假肢研究中，利用肌電信號(hào)特征進(jìn)行動(dòng)作識(shí)別和運(yùn)動(dòng)控制是其研究的關(guān)鍵。論文主要圍繞表面肌電信號(hào)采集與預(yù)處理、肌電特征提取與識(shí)別、虛擬手臂3D模型設(shè)計(jì)以及虛擬假肢動(dòng)作仿真等方面進(jìn)行了相關(guān)研究，主要研究?jī)?nèi)容如下:
　　1)表面肌電信號(hào)采集與預(yù)處理。設(shè)計(jì)了前臂外旋、前臂內(nèi)旋、握拳、展拳、上切、下切、內(nèi)翻和外翻8種動(dòng)作模式，分別采集指伸

2、肌，尺側(cè)腕屈肌，掌長(zhǎng)肌，屈指淺肌4塊前臂肌肉群活動(dòng)的表面肌電信號(hào)，利用小波變換結(jié)合自適應(yīng)濾波的方法，對(duì)實(shí)驗(yàn)采集的不同動(dòng)作對(duì)應(yīng)的表面肌電信號(hào)進(jìn)行預(yù)處理，獲得純凈的表面肌電信號(hào)。
　　2)表面肌電信號(hào)特征提取。提取了表面肌電信號(hào)的絕對(duì)積分平均值、均方根值作為時(shí)域特征;提取平均功率頻率、中值頻率作為頻域特特征。采用db3小波進(jìn)行5層小波分解，分別計(jì)算第5層近似系數(shù)與第3、4、5層細(xì)節(jié)系數(shù)的均方根值與方差作為表面肌電信號(hào)的時(shí)頻特征,并對(duì)手

3、臂不同動(dòng)作模式對(duì)應(yīng)的表面肌電信號(hào)特征的差異性進(jìn)行統(tǒng)計(jì)分析。
　　3)基于表面肌電信號(hào)特征的動(dòng)作識(shí)別。首先利用BP神經(jīng)網(wǎng)絡(luò)算法，分別采用肌電信號(hào)的時(shí)域特征、頻域特征以及時(shí)頻特征，進(jìn)行8種手臂動(dòng)作的分類識(shí)別，獲得了89％、77％、91％的平均識(shí)別正確率。然后，設(shè)計(jì)棧式自編碼深度學(xué)習(xí)算法，分別利用表面肌電信號(hào)時(shí)域特征、頻域特征和時(shí)頻特征，進(jìn)行手臂動(dòng)作模式分類，平均分類正確率為95％、91％和96％。結(jié)果表明:肌電信號(hào)時(shí)頻特征能夠較好體現(xiàn)

4、不同動(dòng)作模式之間的差異，同時(shí)，棧式自編碼深度學(xué)習(xí)算法應(yīng)用于表面肌電信號(hào)特征分類與動(dòng)作識(shí)別要優(yōu)于BP神經(jīng)網(wǎng)絡(luò)算法。
　　4)虛擬手臂3D假肢設(shè)計(jì)與動(dòng)作仿真。采用改進(jìn)的D-H方法建立了連桿機(jī)械手臂模型，并對(duì)其進(jìn)行了運(yùn)動(dòng)學(xué)分析和軌跡規(guī)劃，利用Matlab軟件仿真平臺(tái)，實(shí)現(xiàn)連桿機(jī)械手臂執(zhí)行連續(xù)喝水動(dòng)作的模擬。使用SolidWorks軟件設(shè)計(jì)了虛擬3D假肢模型，并在虛擬現(xiàn)實(shí)環(huán)境中，通過計(jì)算機(jī)仿真驗(yàn)證了虛擬3D假肢模型的合理性。最后，將表面肌