论文部分内容阅读
现代的人们越来越重视自身的健康,因此,大多数人在工作之余,会投入越来越多的时间在运动健身上。人在运动过程中可能会发生运动损伤,然而在做康复性训练的过程中,有可能因为康复性动作幅度不标准而达不到康复性运动的效果。因此,动作的准确性对恢复健康来说是至关重要的。本文主要从实际问题出发,对肌电信号(Electromyography Signal,EMG)降噪方法、运动健康动作识别、运动健康动作标准/不标准划分等三个方面进行研究。1.EMG信号微弱,极易受到干扰。去除EMG信号中包含的噪声,提高信号的纯净度,将能较大的提高运动健康动作分类的准确性。本文提出一种创新的EMG信号降噪方法:软硬件结合降噪法。首先,利用硬件降噪法降低静电干扰、因生理特性引入的噪声、环境噪声等;然后通过软件降噪法去除仪器固有噪声等。实验结果表明,本文提出的软硬件结合的降噪方法能够有效的去除EMG中的噪声。2.基于EMG的运动健康活动识别的研究首先计算原始EMG的积分肌电值、绝对值积分、最大值、均值、最小值、均方根和方差等7种统计量作为肌电信号的特征。本实验最大限度的从原始EMG数据中提取特征以供算法和模型使用。基于以上7种EMG信号特征,本文使用支持向量机(Support Vector Mechine,SVM)、随机森林、Gridient Boosting等算法对弯腰、跳跃、跑步和站立等运动健康动作进行分类。实验表明,本文提出的基于EMG的运动健康动作分类的研究能够达到比较高的分类准确性。3.患者在做运动健康动作时,因为自身对某些针对性动作认知不全面,导致做出的运动健康动作做不标准。本文提出一种创新的动作标准/不标准判定方法:首先,将EMG信号分段,计算每段EMG信号的频谱图,然后将频谱图输入到本文使用的卷积神经网络当中,卷积神经网络的输出动作分类结果。然后提取EMG信号的方差和平均功率频率作为特征,输入到决策树当中。决策树将动作标准/不标准作为一个二分类问题进行分类,输出动作标准/不标准的分类结果。