基于神经网络的表面肌电信号识别

《基于神经网络的表面肌电信号识别》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、毕业设计说明书(论文)作者：学号：系：自动化专业：自动化题目：基于神经网络的表面肌电信号识别指导者：副教授评阅者：副教授2010年6月9日毕业设计（论文）中文摘要基于神经网络的表面肌电信号识别摘要：智能假肢主要特点是能根据外界环境变化，自动调整假肢系统的参数，肌电控制假肢的最大特点是自主控制，只有当患者利用自己的肌肉自主收缩让肌电控制系统工作时，它才能工作。采集肌电表面信号成为智能假肢的理想控制信号，从而其大腿的股直肌表面测得肌电信号与下肢各关节的角度值成非线性关系，基于神经网络的建模预测下肢各关节的角度值实现假肢自主控制成为首选。本课题利用BP神经网络和RBF神经网络（一种三层

2、前向神经网络）分别建立基于神经网络的下肢各关节角度值预测模型。仿真结果表明，两种神经网络都是可行的，RBF神经网络避免了反向传播网络中繁琐的计算，提高了学习速度，而且克服了BP网络梯度下降算法中的局部极小问题。关键字：肌电信号神经网络模式识别毕业设计（论文）外文摘要TitletheEMGsignalrecognitionbasedontheneuralnetworkAbstractThemaincharacteristicsofintelligentprosthesesarethatthesystemcanautomaticallyadjusttheparametersofint

3、elligentprosthesesaccordingtotheexternalenvironmentchanges,TheMostimportantfeatureofmyoelectricprosthesiscontrolistheself-determinationcontrol,Onlywhenpatient’sownmusclevoluntarycontractionletEMGcontrolsystemwork,itcanwork.SurfaceEMGsignalsarecollectedasidealcontrolsignalsofintelligentprosthe

4、ses,thusthereisanonlinearrelationshipbetweentheEMGsignalsmeasuredfromSurfaceofthighrectusfemorisandtheanglevaluesoflowerextremityjoints,andtheanglevaluesoflowerextremityjointspredictedbyneuralnetworkmodelingshouldbethefirstchoiceforrealizingself-determinationcontrolofintelligentprostheses.The

5、projectusingBPneuralnetworksandRBFneuralnetwork(athree-forwardneuralnetworks)toestablishpredictionmodeloftheanglevaluesoflowerextremityjointsrespectivelybasedonneuralnetwork.Simulationresultsshowthatthetwoneuralnetworksarefeasible,andRBFneuralnetworkavoidsthetediouscalculationsofbackpropagati

6、onnetworkandenhancesthelearningspeed,thusovercomethelocalminimumproblemforthegradientdescentalgorithminBPnetwork.Keywords：electromyographysignal,neuralnetwork,patternrecognition目次1引言………………………………………………………………………………11.1课题研究背景及意义…………………………………………………………11.2国内外研究现状及发展趋势…………………………………………………11.3神经网络的应用

7、………………………………………………………………21.4课题的研究内容………………………………………………………………32神经网络的原理…………………………………………………………………32.1BP神经网络……………………………………………………………………42.1.1BP神经网络原理……………………………………………………………42.1.2BP网络常用传递函数…………………………………………………52.1.3BP网络学习方式……………………………………………………………62.1