手部动作的肌电信号分析与建模.doc

《手部动作的肌电信号分析与建模.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、手部动作的肌电信号分析与建模摘要随着人机交互技术的发展，机器的智能程度不断提高，利用肌肤表面的电位信号判断手部动作就是典型的智能技术，其具有广泛的应用前景和实用价值。本文根据实验一、实验二中所给的数据进行分析，对每种动作所反馈的不同识别信号进行研究并建出模型。1、针对问题一，在MATLAB中利用plot绘图函数将所得数据绘制肌电信号图（图5.1—5.6），比较各个手部动作的肌电信号之间的差异，从图像可以看出各个手部动作的肌电信号的差异性比较明显，总结差异。这说明建立的模型的准确性、可靠性。2、针对问题二，进行时域、频域、小波变换、预处理分析，利用MAT

2、LAB软件计算肌电信号的均值、标准差、方差、积分肌电值IEMG、均方根有效值RMS等时域指标参数和平均功率频率MPF、中值频率MF等频域指标，得到时域、频域、小波变换图像，得出各个手部动作的肌电信号的特征数值。3、针对问题三和问题四，创建AR识别模型，在MATLAB中利用plot函数将剩余数据绘制肌电信号图（图5.15—5.20），六种动作的“能量-功率”特征差异是非常明显的，从而准确的识别出六种动作。用最小二乘拟合算法来检验识别模型的好坏，得到的拟合曲线几乎完全重合，拟合效果不明显。再次对数据进行若干次小波分解，将数据简单化、特征化，计算出每层分解的

3、标准差σi, 到达八级小波分解时，数据趋于固定，得到无偏估计值图表（表5.2—5.3），然后对其做lsqcurvefi散点-曲线拟合处理，并将拟合图像叠加，得到图像（图5.23—5.24），显然所得图像和参数范围中各个动作差异明显，不同动作的识别准确率有一定差异。针对模型阶数、编程、噪音、测试仪器等因素，分析影响识别准确率的原因。4、针对问题五，模型建立方法与识别方法与问题三、四是相同的，关键在于如何优化第三天的识别率，我们综合考虑的可能影响识别率的模型、噪声、时间、预处理等因素，对其做最大化的单项优化，结合后即为系统最佳优化方案。关键词：肌电信号识别

4、；时-频域分析；AR模型；最小二乘拟合算法；无偏估计33一、问题重述随着人机交互技术的发展，机器的智能程度不断提高，肌电生理研究的深入和肌电检测技术也达到了一个前所未有的高度，其中利用肌肤表面的电位信号判断手部动作就是典型的智能技术。表面肌电是从人体皮肤表面通过电极记录下来的神经肌肉活动时发放的生物电信号，属于无创伤性，操作简单，病人易接受，在基础医学研究、临床诊断和康复工程中有着广泛的应用前景。当检测信号与相应的手部动作不符时，会使人产生错误的判断，因而能否根据电信号准确识别所表达的动作成为此项技术的关键。为了肌电信号识别模型的建立，我们分析题目给出

5、的实验数据，利用这些数据解决以下问题：1.利用MATLAB中的load函数，载入数据到内存，利用绘制函数绘制出信号，观察各种动作之间的差异，总结差异在哪些方面2.利用合适的时域或（和）频域特征表达肌电信号，建立特征向量，写出提取特征向量的具体方法和程序代码。3.针对Database1的female_1人，利用6个动作的部分数据建立识别模型，然后利用剩余的数据识别信号对应的6种的不同动作类别，分析影响识别准确率的原因。4.针对Database1中的所有人，利用female_1、female_2和male_1的所有数据建立识别模型，然后利用female_3

6、和male_2的所有数据检验识别模型的好坏，即识别信号对应的6种的不同动作类别，分析影响识别准确率的原因。5.为了分析不同时间测量对识别动作的准确性的影响，利用Database2中的male_day_1的所有数据建立识别模型，然后分别利用male_day_2和male_day_3的所有数据检验识别模型的好坏，分析两天识别准确率的差异。考虑如何提高第3天的识别准确率。二、问题分析在该题目中我们需要将两组实验所测肌电信号进行分析与建模，从而利用模型判断所测信号对应的手部动作，需要考虑性别、肌肉疲劳等对所测信号的影响。问题的关键在于如何排除一些关系不大的因素

7、，获取有用信息，找出肌电信号与手部动作的关系。2.1不同手部动作肌电信号差异分析问题要求观察不同动作之间的信号差异，为结果更准确，我们采取单一变量法，即分析某一个人不同手部动作的肌电信号。为了防止奇异数据影响正常结果，我们将六种手部动作的30次重复实验所得双通道数据分别取均值，在MATLAB中利用plot绘图函数将所得数据绘制肌电信号图，做出相应观察与比对。2.2肌电信号的特征向量的建立及对特征向量的提取方法分析利用MATLAB软件对肌电信号进行时域和频域的特征建立，计算均值、标准差、方差、积分肌电值IEMG、均方根有效值RMS等时域指标参数和平均功率

8、频率MPF、中值频率MF等频域指标，得到时域、频域图像，比较不同动作下的肌电信号特征。从特征完