基于人工神经网络生物电信号模式分类的研究报告

《基于人工神经网络生物电信号模式分类的研究报告》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、.第1章绪论1.1课题背景表面肌电信号(SurfaceElectromyography,SEMG)是最早被人们认识的一种生物电现象，它是一种复杂的表皮下肌肉电活动在时间和空间上综合的特征值图，已被广泛地应用于肌肉运动、肌肉损伤诊断、康复医学及体育运动等方面的研究。通常，在非疲劳、慢变力及等张收缩的情况下所测取的多通道屈伸的肌电信号，既可为控制假肢运动提供一个安全、非侵入的控制方式，也可用于人类运动和生物机械的研究。随着检测技术、信号处理方法和计算机技术的发展，研究如何从表面肌电中识别出肢体的多种运动模式已经成为康复医学界研究的热点问题之一。1.2生物电信号简介人体内部的大部分信息以生物电的

2、形式来传递。在人自主支配肢体运动时，大脑皮层中控制运动区域的神经元兴奋并启动一频率编码电脉冲，这个电信号经脊椎准确地传给特定的肌纤维。当这些神经电脉冲到达神经—肌肉突触时，在肌纤维中产生终极电位，它的去极化将在肌纤维中产生一串动作电位，引起肌肉收缩，使肢体完成“假想”的运动。肌纤维中这种电变化称为运动单元动作电位（MUAP），肌电信号（EMG）是众多肌纤维中MUAP在时间上和空间上的叠加，表面EMG则是浅层肌肉EMG和神经干上电活动的综合效应。目前，表面EMG的应用已经深入到临床医学、运动医学、生物医学与工程等众多领域。特别是通过提取截肢者残端表面EMG控制的人工动力假肢，有机地将人脑的思

3、维与外部装置运动联系起来，使假肢动作自然，防生性能好，深受使用者和康复工程研究人员的青睐。近年来，随着检测技术和信号处理手段的发展，研究如何用表面EMG代替针电极EMG进行全面临床无损诊断已经成为医学和生物医学界研究的热点问题之一。1.3模式识别概述-..现代计算机具有强大的计算和信息处理能力，但是它在目标识别、环境感知及在复杂条件下的决策能力远远不如生物系统。目前，已有很多学科分别从不同角度、以不同途径试图研究和揭示这当中的奥秘，并且希望用计算机实现一个具有感知、识别、理解、自学习和自适应能力的灵活和智能的计算机器。这些学科包括模式识别、人工智能、计算机视觉等。模式识别诞生于20世纪20

4、年代，随着40年代计算机的出现，50年代人工智能的兴起，模式识别在60年代迅速发展成为一门学科。模式识别以其明确的问题定义、严格的数学基础、坚实的理论框架和广泛的应用价值，获得越来越多的重视，并且也成为上述其他几门学科的中心研究内容之一。在过去的几十年里，其实际应用领域也从最初的光学字符识别（OCR），扩展到如今的笔输入计算机、生物身份认证、DNA序列分析、化学气味识别、人脸辩识、语音识别、数据挖掘和信号处理等领域。但是由于问题的复杂性，离人们的期望还有一段距离。因此，模式识别仍是一门发展中的新兴学科，新的理论和方法不断出现，同时与其他学科相互渗透，不断推动模式识别的发展。1.3.1模式识

5、别的概念人有这样一种能力：听到走廊里的脚步声，就知道谁来了；在人群中掠过一个人的背影，就能认出这个人是谁；留言条上的字，一看就知道是谁写的，而且尽管写的龙飞凤舞，还是能认出这是什么意思。这种能力就是人的认识能力。随着计算机科学的发展和计算机应用的普及，迫切希望计算机也能听懂我们说的话，看懂我们写的字，……。这种强烈愿望和不断探索实际，促使模式识别这门学科得以形成和发展。什么是模式和模式识别呢？按照广义的定义，模式是一些供模仿用的、完美无缺的标本。模式识别就是识别出特定客体所模仿的标本。根据客体的性质，将客体分成两种类型：抽象的客体和具体的客体。论点、思想、信仰、……，是非物质的客体，对它们

6、的研究属于哲学、政治学的范畴；声音、图象、文字、……，是具体的客体，它们通过对感官的刺激而被识别。研究人类对客体识别的识别机理是沿着两个方向进行的。一个方向是研究人类对客体识别能力的生物学机理，这属于生物学、生理学的范畴；另一方面是研究用计算机模拟人的识别能力，提出识别具体客体的基本理论与实用技术，这就是模式识别这一学科的研究内容。根据模式识别的研究内容，我们对模式识别作如下狭义的定义：模式是对感兴趣的客体的定量的或结构的描述；模式类是具有某些共同特性的模式的集合。模式识别是研究一些自动技术，依靠这些技术，计算机自动的（或者人进行少量的干涉）把待识别模式分到各自的模式类中去。-..1.3.

7、2模式识别的方法从上一节中模式的定义可以看出，描述模式有两种方法：定量描述和结构性描述。定量描述就是用一组数据来描述模式。比如，判断某细胞是正常还是癌变细胞，我们可以抓住两个特征，一个是细胞的圆形度x1一个是细胞的形心偏差度x2。因为正常细胞比较圆，即圆形度大；正常细胞的细胞核中心偏离细胞中心小，即形心偏差度小；而癌变细胞的圆形度小，形心偏差度大，这两个特征能比较有效的区分正常细胞与癌变细胞，所以，我们可以用这两个特征来