基于小波包变换的表面肌电信号模式识别

采用小波包变换的方法对表面肌电信号sEMG进行了多尺度分解,并提取小波包分解系数的能量值构建特征矢量,采用四种方法设计多类最小二乘支持向量机（LS-SVM）分类器,对8种表面肌电信号进行了模式分类。实验结果表明,采用四种多类分类方法的LS-SVM分类器对8种表面肌电信号的平均识别率在90%以上,LS-SVM分类准确率明显优于传统的RBF神经网络分类器。     

利用小波变换对表面肌电信号的消噪处理研究

上技做屈伸运动时,采集肱二头肌群的表面肌电信号,然后采用小波变换的方法,应用Matlab软件,对表面肌电信号进行去噪处理.对去噪结果的分析表明,对于小波分解后获得的不同频段的信号才用不同的阈值所获得的去噪效果更为理想,为后续的研究工作奠定了良好的基础.     

基于头皮和表面肌电信号假手控制系统

提出了一种假手控制系统,该系统能够综合利用头皮和表面肌电信号的信息,实时地解码手部运动的速度、加速度和轨迹,从而实现对假手的灵活控制,且无需植入电极,便于维护。     

基于人工神经网络的表面肌电信号分类器研究进展

表面肌电信号是一种重要的生理电信号.基于表面肌电信号建立人体康复动作识别系统操作方便,对身体无侵入性,对运动无干扰,有广阔的应用前景.肢体康复动作识别系统很大程度上依赖于信号特征提取和分类器的使用.文中对近几年基于人工神经网络建立的表面肌电信号分类器,包括LVQ分类器、ELM分类器、WNN分类器、ANFIS分类器、Al...     

基于小波变换和盲信号分离的多通道肌电信号处理方法

 为了消除多通道表面肌电信号(SEMG)采集时形成的混叠现象,提出一种新的SEMG处理方法.该方法将小波变换和独立分量分析(ICA)结合,利用小波变换的去噪作用,滤除混合在原始SEMG中的部分噪声后作为ICA的输入信号,采用Infomax算法对输入信号实施盲分离,并引入相关系数验证ICA分量与源信号的一致性.实验结果表明,该方法用于多通道SEMG的盲分离是很有效的.     

表面肌电信号有源低通滤波器设计与验证

在运动康复治疗中,需要一种即能够滤除信号中的干扰,又能够放大信号的有源滤波器提取相关肌肉运动产生的表面肌电信号,以评估康复治疗效果。基于多重反馈型滤波器设计一种表面肌电信号的有源低通滤波器,并通过仿真进行验证。     

表面肌电信号拾取的专用有源滤波器设计

本文介绍了表面肌电信号拾取的专用有源滤波器设计,分析了此滤波器的性能,并与一种医用滤波器进行了比较。     

表面肌电信号模式识别在康复工程中的研究

本文针对近年来基于sEMG的动作模式识别研究进展做分析,对于在康复工程领域的应用进行介绍。     

基于DSP的肌电信号采集处理

肌电信号(Electromyography)EMG作为一种重要的生物电信号,已经被广泛应用于仿生学、生物反馈、运动医学和康复工程中。近年来,肌电信号的研究发展日益迅猛。本文主要研究了肌电信号的采集、分析,基于现有的数据采集放大电路和DSP开发平台,找出肌肉产生肌电信号较强的位置即最合适安放采集电极的位置。本文选择了九种手势动作,运用MATLAB对做不同手势动作时采集的肌电信号进行离线分析,同时对肌电信号进行滤波处理,分析得出结论。对采集过程中的干扰源进行分析,尽可能减少50Hz工频信号的干扰。     

上肢康复机器人实验平台肌电信号采集系统的设计

表面肌电信号是肌肉收缩的同时伴随的一种电压信号,是一种复杂的表皮下肌电信号活动在皮肤表面处的时间和空间上综合得出的结果,能够反映出神经、肌肉的功能状态。正是其在相同肌群规律性和在不同肌群差异性,使得利用肌电信号作为人机接口来控制上肢康复机器人成为可能。本文的主要内容是肌电信号采集系统的设计,将从硬件电路以及软件设计两部分进行阐述。其中硬件电路主要由表面电极、信号调理、NI-USB-6210数据采集卡和上位机四部分组成;系统软件采用虚拟仪器开发平台LabVIEW编程,完成肌电信号实时采集、滤波处理、数据存储等功能。     

基于独立分量分析和小波变换的膈肌肌电信号降噪

提出了一种基于独立分量分析(ICA)和小波变换的处理方法,用于去除膈肌肌电信号中的心电干扰.首先利用独立成份分析法从膈肌肌电信号分解出心电独立成份,并对该心电成份选择合适的高通滤波器加以滤除,其它为膈肌肌电信号的独立分量进行五尺度小波分解以去除含心电的近似分量,再对各层细节分量进行小波重构,然后将处理后的全部独立分量反射投影回原始信号空间,最后,对临床采集的5路膈肌肌电信号进行实验分析,并与传统ICA方法进行对比.结果表明本文方法有更好的降低心电干扰性能.     

基于小波变换的空域相关法在肌电信号中的应用

为了消除混杂在肌电信号中的噪声,并保留信号的细节,提出了基于小波变换空域相关法的肌电信号消噪方法.文章首先对小波变换和空域相关滤波的基本理论进行了简要的概述,其次就空域相关滤波用于肌电信号的消噪过程进行了详细的分析.通过肌电信号的小波分解,用空域相关法分离信号与噪声,并给出了一种针对肌电信号各层噪声能量阈值的估计算法.实验结果表明,空域相关滤波较好的保留了肌电信号的边缘特征,为肌电信号的特征提取创造了良好的条件.     

多通道表面肌电信号同步采样与处理研究

在康复机器人的人机交互系统中,表面肌电信号(sEMG)发挥着重要作用。针对采集单通道的肌电信号已经不能满足获取更多信息量的需求,该文设计一个8通道的肌电信号同步采集系统。该系统包括表面电极贴片、仪表放大器、带通滤波与二级放大、50 Hz陷波器、同步采集ADC和无线蓝牙模块等部分。通过测试实验,该采集系统很好地采集了人体的表面肌电信号,有效去除了共模噪声和50 Hz的工频干扰。获取的同步肌电信号可以进一步用于人机交互系统的模式识别研究。     

集成语音信号与表面肌电信号的情感自动识别模型

为了提高情感识别的正确率,针对单一语音信号特征和表面肌电信号特征存在的局限性,提出了一种集成语音信号特征和表面肌电信号特征的情感自动识别模型.首先对语音信号和表面肌电信号进行预处理,并分别提取相关的语音信号和表面肌电信号特征,然后采用支持向量机对语音信号和表面肌电信号特征进行学习,分别建立相应的情感分类器,得到相应的识别结果,最后将识别结果分别输入到支持向量机确定两种特征的权重系数,从而得到最终的情感识别结果.两个标准语情感数据库的仿真结果表明,相对于其它情感识别模型,本文模型大幅提高了情感识别的正确率,人机交互情感识别系统提供了一种新的研究工具.     

基于表面肌电信号的截肢者人手动作模式识别

基于表面肌电信号(sEMG)的手部动作模式识别技术已被广泛研究,它在健全的受试者中有良好的分类性能.但对于截肢者的日常使用,其性能还需进一步研究.本文对截肢者进行了10天的肌电信号采集,调查了截肢者对于不同动作的分类性能.模仿实际应用条件,取时域特征为支持向量机(SVM)的输入,对截肢者的双侧手臂进行手部动作识别,结果...     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

基于非线性特征的表面肌电信号模式识别方法

该文提出一种计算非线性时间序列信号Lyapunov指数的新方法球均值Lyapunov指数计算法,用于肢体肌电信号的特征提取与分类。首先采用所提方法计算出肌电信号的Lyapunov指数,并与关联维组合构成输入特征向量,然后用二叉树法构造基于对支持向量机的多类分类器,对握拳、展拳、腕内旋、腕外旋4类动作模式进行分类识别。实验结果表明,该方法不仅具有比Rosenstein算法更强的抗干扰能力,而且在肌电信号的特征提取与分类应用中取得96.0%以上的识别率,适合于分析信噪比较低的混沌信号。     

用于肌肉电信号控制的仿生机械手设计与仿真

针对肌肉电信号(EMG)控制假手的需求,介绍了一种仿生机械手的设计和控制仿真.此机械手优势在于关节和手指尺寸完全还原真实人手的大小.首先,在多自由度的基础上,建立了五指的运动学模型并求出其运动学正解和逆解.然后,通过仿真来验证其运动学解的正确性,从而为仿生机械手的运动轨迹规划和进一步的控制提供了理论依据.最后,简要说明...