论文部分内容阅读
近年来,因自然灾害、交通事故等因素致使残肢者的数量正在急剧增加。对于上肢缺失者来说,上肢的缺失会导致残肢者身体和劳动能力急剧下降,生活无法自理,给其心理带来严重的创伤,乃至危及整个家庭和睦。然而,随着科技的进步、信息技术的成熟以及康复医疗等事业的发展,市场中已有大量的肌电假肢。目前,这些商业肌电假肢大都采用阈值控制的方式,控制效果不灵活,且价格较高。因此,以三自由度肌电假肢为研究对象,采用一种新的小波阈值算法对肌电信号进行处理,研究一种高效的模式识别方法,建立一套成熟的动作模式识别系统尤为重要。依据表面肌电信号特点,设计了信号调理电路,采用四通道肌电信号采集仪完成上肢肱二、肱三头肌、桡侧腕屈肌和尺侧腕伸肌的肌电信号采集工作。经数字滤波后,采用一种基于全局小波域的单个函数的小波去噪方法对肌电信号进行去噪处理。通过与传统小波阈值算法进行实验对比分析,结果表明:不论在定量还是定性方面,改进的新阈值算法性能更优越。肌电信号经预处理后,分别从时域、频域、时频域分析法三方面分析肌电信号。通过对比三种方法分析效果,最终确定以小波包系数能量与方差作为特征参数,构建八维特征向量。以标准支持向量机(SVM)算法为基础,在保证其稀疏性和应用径向基核函数前提下,为缩短识别时间、提高准确率,通过改变其松弛变量与决策函数,构建了一种齐次二阶SVM算法,实现了最少约束条件下求解最优面。同时,引入粒子群算法对模型进行优化。最后以实际样本数据对标准SVM及其改进模型进行对比验证,结果表明:基于粒子群优化的改进SVM对于上肢六种动作识别准确率更高,识别时间更短。最后,设计了一款三自由度肌电假肢动作模式识别系统,包括四通道肌电信号采集仪和上位机模式识别软件。通过采集仪采集四路肌电信号,完成信号显示、存储,然后在上位机上对信号进行分析,实现样本数据的离线训练、识别,并以良好的人机界面显示出对应动作信息。依照模块化理念设计该系统,方便了系统的维护与开发。