智能轮椅人机接口中表面肌电信号动作识别

《智能轮椅人机接口中表面肌电信号动作识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、全日制硕士学位论文智能轮椅人机接口中表面肌电信号动作识别SEMGSignalActionRecognitionofIntelligentwheelchairman-machineinterface申请人姓名：李林伟指导教师：王红旗学位类别：工学硕士专业名称：控制科学与工程研究方向：模式识别与智能系统河南理工大学电气工程与自动化学院二○一五年六月河南理工大学学位论文原创性声明本人郑重声明：所呈交的学位论文：智能轮椅人机接口中表面肌电信号动作识别，是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别

2、加以标注和致谢的地方外，不包含任何其他个人或集体已经公开发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。本人愿意承担因本学位论文引发的一切相关责任。学位论文作者签名:年月日河南理工大学学位论文使用授权声明本学位论文作者及导师完全了解河南理工大学有关保留、使用学位论文的规定，即：学校有权保留和向有关部门、机构或单位送交论文的复印件和电子版，允许论文被查阅和借阅，允许将本学位论文的全部或部分内容编入有关数据库进行检索和传播，允许采用任何方式公布论文内容，并可以采用

3、影印、缩印、扫描或其他手段保存、汇编、出版本学位论文。保密的学位论文在解密后适用本授权。学位论文作者签名：导师签名：年月日年月日中图分类号：TP391.4密级：公开UDC：621.3单位代码：10460智能轮椅人机接口中表面肌电信号动作识别SEMGSignalActionRecognitionofIntelligentwheelchairman-machineinterface申请人姓名李林伟学位类别工学硕士专业名称控制科学与工程研究方向模式识别与智能系统导师王红旗职称副教授提交日期2015年6月2日答辩日期

4、2015年6月7日河南理工大学致谢本文在导师王红旗的精心指导和支持下完成的，在我三年的研究生期间，王老师在学习和生活上都给了我无微不至的关怀。我在做实验和遇到难题时，他常常帮我查资料，不然其烦地指导表面肌电信号的采集电路的设计和采集时需要注意的事项。目前我毕业之际，王老师在我选题和写作方面给我提出珍贵的要求和意见。在平时的学习与生活中，常常激励我要多学习新的知识，多思考，凡是要动手做做，敢于打破成规，要创新。他严谨的治学态度，执着的敬业精神，以及平易近人的性格都令我受益一生，将永远鼓励我在未来的生活和工作中追

5、求不断进步。谨此，在这里我向王老师致以由衷的感谢和深深地敬意。感谢我的师兄姜磊、宋艳栋，师姐杜冬梅，师妹毛啊敏、师弟万各各以及实验室胡伟老师，刘群波老师，苏波老师的帮助。在和谐友好的实验室生活和学习氛围中，使我在研究生期间留下了很多美好的人生回忆。感谢12级电气学院研究生的所有同学，生活在这么一个团结互助、和谐友好、互相帮助的集体中，我是幸福美好的。感谢我的室友赵行宇、耿冲和李绍令，感谢他们一直对我的关心与帮助。特别要感谢来自我的家庭，尤其是我的父母这么多年来对我的支持，这么多年以来他们都一直在后方默默地付出

6、，与我分享学习生活中的酸甜苦辣，在这里深深地表示对我无私无悔的支持的感谢。感谢所有关心过我学习生活的老师、同学、家人以及朋友们。摘要近年来，随着现在计算机技术、神经学、数字信号处理技术和模式识别等技术的快速发展，相关研究人员对表面肌电信号(surfaceelectromyography，sEMG)进入了进一步研究。研究表明，表面EMG在智能假肢、智能轮椅、康复医学等领域有着广泛应用。本文在深入探究表面EMG发放机理的基础上，并结合表面EMG的特性，主要研究人体上肢手臂的表面肌电信号的拾取以及多动作模式识别算法

7、，进而实现手腕展拳、握拳、内翻及外翻四种动作模式分类。通过这个研究工作可以为基于肌电的智能轮椅提供一定的参考依据和实践平台。主要研究工作及创新之处如下：（1）搭建基于labview的EMG采集平台，分为采集表面EMG需要的硬件电路和labview搭建的软件系统两个方面。设计的平台可以实时采集和处理有效的EMG。（2）针对表面EMG的非平稳性和非线性特性以及小波包多尺度分解后系数维数过高的问题，为了在表征有效的肌电信号的同时，最大程度的降低特征空间的维数进而简化分类器的结构，提出一种小波包多尺度分解的特征表示和

8、模式识别方法。对采集到的肱桡肌、桡侧腕屈肌、尺侧腕屈肌和指伸肌四路表面EMG进行小波包多尺度分解，得到分解后的小波系数。然后，一方面根据小波包多尺度分解系数与表面肌电信号能量之间的内在联系重构了特征向量，另一方面根据正交小波包基组成的基向量重构特征向量，分别获得动作模式特征矩阵；并与时域法、频域法、时-频域法等特征提取方法对比实验。通过使用非线性自回归神经网络分类器进行对比实验可知，提出的小波包多尺