基于语音和肌电信号融合的假肢校验模式控制-研究

《基于语音和肌电信号融合的假肢校验模式控制-研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、WuhanInstituteofTechnology硕士学位论文基于语音与肌电信号融合的假肢校验模式控制研究学科专业：软件工程（工学）研究生：李娜指导教师：刘军副教授培养单位：计算机科学与工程学院二○一五年五月万方数据万方数据分类号：TN911.7学校代号：10490学号：201205030密级：公开武汉工程大学硕士学位论文基于语音与肌电信号融合的假肢校验模式控制研究作者姓名：李娜指导教师姓名、职称：刘军副教授申请学位类别：工学硕士学科专业名称：软件工程研究方向：假肢模式识别论文提交日期：2015年4月3日论文答辩日期：2015年5月2

2、2日学位授予单位：武汉工程大学学位授予日期：2015年6月18日答辩委员会主席：邵雄凯教授万方数据万方数据AStudyoftheProsthesisCalibrationBasedonSpeechRecognitionandElectromyographicSignalAThesisSubmittedfortheDegreeofMasterMajor：SoftwareEngineeringCandidate：LiNaSupervisor：AssociateProf.LiuJunWuhanInstituteofTechnologyWuha

3、n,Hubei430073,P.R.China万方数据万方数据万方数据万方数据摘要摘要随着肢体残疾者数量的增多，假肢的研究成为了各国研究的热点，研制出一种可方便控制的假肢具有重要意义。对肢体残疾者而言，能够提供进行假肢校验模式控制的肌电信号有限，针对这种情况，本文提出了利用语音信号与肌电信号相结合的假肢校验模式控制方案。主要研究内容如下：（1）详细的介绍了本文提出的语音信号与肌电信号融合的方案：利用从肢体残疾者残留肌肉处采集的肌电信号作为假肢的主控制信号源，以其自身发出的语音信号作为辅助信号源，将两者进行融合，从而从某种程度上真正实现自

4、由灵活的假肢校验模式控制。（2）语音信号识别分析模块，较详细地介绍了语音信号的基本理论、MFCC特征参数的提取、HMM训练及HMM识别等基本原理，并对本文所需要识别的4个动作语音指令在HTK环境中进行了实验，验证了利用HMM算法进行语音识别系统设计的可行性，并进行了相应的数据分析。（3）肌电信号识别分析模块，较详细地介绍了肌电信号采集、预处理以及分类器算法的设计等主要内容。为了使分类器适应肌电模式识别中肌电信号的时变性，提出了一种新的具有自适应能力的自增强分类方法，该方法在传统的静态分类器（LDA分类器和QDA分类器）的基础上，引入了一

5、个新的能在测试阶段对分类器参数进行更新的算法：更新方差矩阵和均值向量的参数求解。本文提出的I万方数据武汉工程大学硕士学位论文自增强分类方法降低了数据的计算复杂度，增强了数据的分类效果，具有自适应演化能力。关键词：语音信号；肌电信号；信号融合；假肢校验模式控制;自增强分类器II万方数据AbstractAbstractThenumberofamputeesisincreasingeachday.Theresearchoftheprosthesishasbecomeahotresearchbothathomeandabroad.Develop

6、inganautonomyandflexibilityprosthesisforamputeeshasagreatmeaning.EMGsignalsthatcanbeusedtocontroltheprosthesisislimited.Forthisissue,thepaperproposesanideathatusingvoicesignalcombineswithEMGsignaltocontrolprosthesis.Themaincontentsareasfollows:(1)Presentingadetaileddescr

7、iptionofthevoicesignalandEMGsignalintegrationproposal.UsingthevoicesignalofamputeesasprostheticauxiliarycontrolsignalcombineswiththeEMGbygeneratedfromamputeesresidues.Tosomeextent,theprostheticcalibrationmodecontrolcanbemorefreedomandflexibility.(2)Voicesignalrecognition

8、analysismodule:thebasicprincipleofvoicesignal，MFCCextractingcharacteristicparameters,HMMtrainingandreco