分享到:

体表肌电信号中疲劳信息提取方法的研究

近十年来,随着非线性理论的迅速发展,非线性时间序列分析方法在许多领域得到了广泛的应用和研究。受此启发,作者尝试将这些新发展起来的信号分析和处理方法用于对蕴藏在表面肌电信号中的疲劳信息提取的研究。本论文的主要内容有:1) 采用对比线性序列统计量比较法以及加权多维预报器的方法,对表面肌电信号进行了非线性确定性的检验,另外,采用概率论中的适度准则对表面肌电信号进行了正态分布的假设检验,结果表明在肱桡肌进行静态的等张收缩时表面电极收集到的表面肌电信号并非纯高斯随机信号,而是具有一定内在确定性结构的非线性信号。2) 研究符号序列分析方法在时间序列分析中的应用特点;研究不同类型(确定、随机、混沌等)信号的符号序列直方图的特征;发现符号序列分析方法中一定长度的各种可能字的概率分布可以在确定线性模型的阶次中起一定的参考判别作用;通过用符号序列分析方法对表面肌电信号的线性AR模型的残差序列的分析,进一步确认表面肌电信号为非高斯随机信号,而是具有一  (本文共124页) 本文目录 | 阅读全文>>

《系统仿真技术》2017年02期
系统仿真技术

基于肌电信号的肢体刚度特性

提出了一种基于肌电信号的上肢刚度仿真方法。将上肢运动简化为两自由度的关节运动,然后采集上肢在屈伸运动中肘关节处相关肌肉的肌电...  (本文共5页) 阅读全文>>

《科学中国人》2017年15期
科学中国人

基于肌电信号(EMG)生物反馈仪的研究

本课题基于生物肌电信号的定性研究,旨在设计出能够提取和分析肌电信号的反馈治疗仪,并且该反馈仪可以选...  (本文共1页) 阅读全文>>

《中国医疗器械杂志》1999年04期
中国医疗器械杂志

肌电信号分析方法的研究及进展

肌电信号(EMG)是产生肌肉力的电信号根源,在生物机理上它是许多运动单元产生的动作电位序列的总和[1]...  (本文共3;页) 阅读全文>>

华中科技大学
华中科技大学

基于肌电信号实现人体上肢运动和力连续估计的方法研究

表面肌电信号是一种来自人体本身的生理信号,可以用于对人体的运动意图进行连续估计。目前,基于表面肌电信号的人体运动连续估计仍与实际测量所得的结果存在着一定的偏差,其原因可能是在复杂任务中,任务因素如运动速度、肢体位姿、外部负载等变化会导致肌电信号的模式发生了改变,确认不同因素的影响程度将有助于调整实验流程,提高估计效果;同时也有可能因为表面肌电信号本身的不平稳性导致估计结果波动,使用更好的预处理方法能有助于降低这种不平稳性;另外,由于日常生活活动的复杂性,仅做出运动估计尚不能满足实际需求,可能还需要对人体与环境的交互力作出估计,更有利于机器设备实现更柔顺的控制。本文的目的是探讨以上问题,主要内容如下:(1)研究任务因素对人体运动连续估计效果的影响。研究中以肘关节屈伸运动为例,探究在改变运动速度、末端负载和改变手臂位姿的情况下,基于表面肌电信号的人体运动连续估计效果的变化情况。分析结果发现,运动速度对估计效果有显著影响,但另外两种因...  (本文共67页) 本文目录 | 阅读全文>>

长春理工大学
长春理工大学

基于深度学习的肌电信号分类研究

表面肌电信号(Surface Electromyography,sEMG)是人体肌肉收缩时,运动单元动作电位序列(Motor Unit Action Potential Train,MUAPT)在检测电极处叠加形成的混合信号。通过对sEMG信号的分析可以准确的得知人体的运动意图,同时,因其具有易于采集,无创等优点而被广泛的应用于假肢控制、人机交互等领域。当前研究者利用sEMG信号来分析人体运动意图的研究以人工设计肌电信号特征为主,良好的特征设计在研究中会起到事半功倍的作用,然而,目前的特征已经涵盖时域、频域,时频域、新的特征设计将变得困难,另一方面,深度神经网络可以自动提取特征,为此,本文根据sEMG信号的特点,结合深度学习,提出了几种分类sEMG信号的模型。首先,针对sEMG信号属于时序信号,本文通过结合具有长短期记忆单元的LSTM和卷积神经网络(CNN)两种网络的优点,提出了可以直接从原始sEMG信号推断人体运动意图的LCN...  (本文共66页) 本文目录 | 阅读全文>>