随着科技的发展,智能假肢逐渐代替之前的低级假肢。其主要特点是能根据外界环境变化自动调整步频、扭矩等参数。但是,它不能随意地随着步频、膝关节角度的变化而变化。本课题所提出的新型智能假肢是将肌电信号作为假肢的主要控制信息源,它能够根据人的意识和实际环境调整假肢系统的参数,灵活可靠地完成动作。表面肌电信号以其无创伤测量,易提取的优点成为假肢理想的控制源。本课题的提出,正是为了实现这个目标所做的基础性研究。 本论文在对人体下肢表面肌电信号预处理和特征向量提取的基础上,实现对平地、斜坡和楼梯三种路况的识别和对膝关节角度的逼近。本文的研究内容及创新点如下: 1.下肢表面肌电信号的特征提取 特征提取是模式识别中一个非常重要的环节。一个识别系统的识别能力与特征矢量的选取有着直接的关系。对于肌电控制假肢来说,如何寻找有效的特征来表征肌电信号是动作肌电模式识别的根本问题。针对肌电信号的特点,本文提出用小波包分解系数和能量值作为下肢假肢运动模式的特征向量,得到了简化了的特征向量。 2.利用支持向量机对提取的肌电信号特征向量进行分类 将表面肌电信号在各频带投影序列的能量作为每类动作的特征向量,采用支持向量机进行分类,使之能够识别行走的不同路况——平地、斜坡和楼梯。同时,与LVQ神经网络作为分类器时的分类结果相比较,实验表明支持向量机算法具有较好的分类效果,对于下肢肌电假肢的控制具有良好的研究前景。 3.利用支持向量机自回归模型预测膝关节角度 采用支持向量机自回归模型对膝关节角度进行辨识。针对Zebris三维步态分析仪采集到的膝关节角度曲线,对膝关节角度进行逼近,以实现假肢对健肢的最大程度地逼近。通过支持向量机算法与模糊算法的结合,改进支持向量机算法的性能。