人体上肢表面肌电信号分析方法的研究

论文摘要

人体表面肌电信号是伴随肌肉收缩而产生的一种微弱的、复杂的生物医学信号,而肌肉的收缩是由人体神经所控制的,所以,对表面肌电信号的分析可以反映出神经控制肌肉运动变化的趋势,因而可以应用于康复机器人系统的研究中。本文基于985工程项目“康复机器人系统关键技术的研究与应用”,针对表面肌电信号的采集系统的设计实现、表面肌电信号的预处理以及表面肌电信号的去噪、特征分析等问题做了深入的研究。本文成功搭建了表面肌电信号的采集平台；解决了表面肌电信号去噪问题；并采用分形的分析方法对其进行了分析。本文设计应用的表面肌电信号采集和处理系统是一个多通道多参数的生理信号采集设备(FlexComp Infiniti),配合Biograph Infiniti软件对采集到的表面肌电信号进行处理。通过多次的信号采集实验,证明此系统能够很好地采集和处理表面肌电信号。在表面肌电信号的采集过程中,常常伴随着诸多的干扰信号,因此需要对信号进行去噪处理。本文应用AR模型的方法首先对表面肌电信号进行了滤波去噪处理,取得了一定的效果。其次本文运用小波分析的方法对信号进行了阂值去噪。经过实验验证,基于AR模型的滤波方法与基于小波变换的数字滤波器相结合的方法能够很好地去除表面肌电信号的随机干扰噪声。本文在完成表面肌电信号去噪研究后,讨论了分形理论的相关知识和计算方法,分形维数是表达分形对象的有效参数,结合分形维数的计算方法和多元线性回归的方法,提出了一种更符合表面肌电信号的一种分形维数的计算方法。实验结果表明,运用本文所提出的方法对不同动作的表面肌电信号提取维数特征,能很好地达到区分不同动作的目的。通过大量的研究,本文提出了一套可以对肌电信号进行采集和分析的算法和方案。在未来的工作中,将继续对表面肌电信号的各种分析处理方法进行研究,找出更适合的方法,同时也尝试采用智能分类器对表面肌电信号的不同动作进行模式分类,并将其应用于康复机器人中。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题研究的背景及意义
• 1.2 表面肌电信号的研究现状
• 1.3 表面肌电信号分析方法概述
• 1.4 本文组织结构及主要研究内容
• 第2章 表面肌电信号的产生机理与采集方法
• 2.1 表面肌电信号产生机理与特点
• 2.2 表面肌电信号的采集
• 2.3 信号采集流程及结果
• 2.4 本章小结
• 第3章 sEMG的AR模型滤波器设计
• 3.1 表面肌电信号的平稳化
• 3.2 平稳随机信号的参数模型
• 3.3 AR模型阶次的选择
• 3.4 AR模型系数的求解方法
• 3.4.1 自相关法
• 3.4.2 Burg算法
• 3.4.3 改进的协方差方法
• 3.5 AR模型滤波器及其实验结果
• 3.6 本章小结
• 第4章 基于小波的sEMG去噪方法
• 4.1 小波变换基础
• 4.1.1 连续小波变换
• 4.1.2 离散小波变换
• 4.1.3 多分辨率分析
• 4.2 小波函数的选择
• 4.3 小波去噪的原理
• 4.3.1 含噪信号的数学模型
• 4.3.2 信号和噪声在小波变换下的特征
• 4.4 小波阈值去噪
• 4.4.1 小波阈值去噪原理
• 4.4.2 阈值函数的选取
• 4.5 小波阈值去噪结果
• 4.6 本章小结
• 第5章 基于分形的sEMG分析方法
• 5.1 分形的产生、发展和特征
• 5.2 经典分形
• 5.3 分形维数
• 5.4 多元线性回归方程的建立方法
• 5.4.1 多元线性回归基本模型
• 5.4.2 多元线性回归的显著性检验
• 5.4.3 多项式回归
• 5.5 表面肌电信号分形维数提取方法
• 第6章 总结与展望
• 参考文献
• 致谢