基于FGNN算法的sEMG肌肉疲劳分类方法

为了有防止果蝇优化算法的局部最优约束,提高肌肉疲劳分类的准确率,本研究提出了一种基于肌电信号的肌肉疲劳分类方法：果蝇-遗传优化算法,实现了肌肉疲劳的准确检测和分类。在改进的果蝇优化算法基础上把遗传算法的交叉变异和果蝇优化算法混合,并与神经网络结合对肌肉疲劳进行识别。相较于果蝇优化算法,改进后的算法有更强的跳出局部最优的能力。与神经网络结合后对于疲劳状态识别具有更好的效果。本研究提出的肌肉疲劳分类方法,可以防止运动员过度疲劳引起的肌肉损伤,实现准确的肌肉疲劳检测和分类。一共招募了10名健康的年轻参与者(6名男性和4名女性)进行疲劳测试。首先根据主观评测法对疲劳等级进行划分。然后,将采集到的肌电信号数据进行预处理、提取特征后作为神经网络,遗传算法-神经网络, 果蝇优化算法-神经网络, 果蝇-遗传算法-神经网络的输入。经比较果蝇-遗传优化算法-神经网络的准确率为94.3%,优于其他方法     

基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN（RNA）的表面肌电信号（sEMG）特征提取和分类算法. 该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类. 将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类. 实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.     

股票收益率序列的多重分形特征分析

运用多重分形消除趋势波动分析法,研究中石油和中石化两个上市公司股票收益率的多重分形特征,并结合多重分形谱方法,比较两股票收益率序列的多重分形性的强弱及风险大小.结果表明,两个公司的股票收益率序列均具有明显的多重分形特征,且中石化收益率序列的多重分形性更强,波动复杂程度更高.总体相比,买入中石化股票获利的空间更大,但风险也较买入中石油的更高.     

求多重分形谱的一种实用算法

给出了一类图象所对应的多重分形谱的一种实用算法，该算法可用于一类实验数据的处理．     

基于多重分形谱的碳纤维复合材料表面评定方法

碳纤维复合材料（CFRP）表面的多重分形谱能表征其表面形貌特征.用TalyScan 150表面测量仪测量了CFRP的表面形貌,使用小波变换算法计算了其多重分形谱.结果表明,CFRP 3D表面的形貌与其多重分形谱密切相关,Lipschitz指数的范围可以表征表面的粗糙度,多重分形谱的数值可以表征表面的波峰和波谷的分布.同传统表面粗糙度分形维数表征方法相比,多重分形谱能表征加工表面形貌的局部特征.     

综合法评定运动员肌肉疲劳的动态指标

本文根据生理、生化、肌电信号的综合测试和分析结果对运动员肌肉疲劳动态指标进行了综合评定。研究过程中使用了先进的仪器设备和测试分析方法。研究结果将为研制实时肌肉疲劳监测系统提供理论和实验依据。     

基于WTMM与多重分形的信号毛刺去除方法

信号检测和分析经常受到毛刺的干扰,因此有必要将其去除.小波变换作为一种理想的时频分析方法,能够对信号进行多尺度或多分辨率分析,从不同层次把握信号的特征信息,为此提出了一种基于小波变换模极大值与多重分形的信号毛刺去除方法,分别利用多重分形谱、局部有效Hlder指数实现毛刺的检测与定位,进而实现毛刺的去除.实验证明,这种方法是可行和有效的,为非平稳随机信号中的毛刺去除提供了一种行之有效的方法.     

基于表面肌电信号的绝缘手套法带电作业人员上肢肌肉疲劳分析

绝缘手套法是配网带电作业的主要作业方式,为获取穿戴绝缘手套的带电作业人员上肢肌肉的疲劳特性及其诱发的肌肉骨骼系统疾患(work-related musculoskeletal disorders,WMSDs)的风险,开展了基于表面肌电信号(surface electromyogra-phy,sEMG)的绝缘手套法带电作...     

基于多重分形谱的图像索引方法研究

讨论了图像多重分形谱的计算方法及简化算法,对图像多重分形谱的一些特性进行了概括,利用简化 算法求得的多重分形谱数据对图像进行索引,给出了一些改进方案用于进一步研究。     

基于多重分形模型的非高斯信号建模

在小波域中，研究了基于β分布、点集分布和β分布与点集分布的混合多重分形模型（β－MWM．pm-PWM和β－pmMWM）；运用相关性检测和多重分形奇异谱检验方法分析了这3种模型对实际的水声非高斯信号的逼近性能。探讨了非高斯信号的多重分形分布特性，将研究结果应用于水声噪声的分析中，发现其多重分形分 布与环境有密切的关系；应用于水声噪声的识别研究中，取得了较好的实验结果。     

基于表面肌电信号的下肢康复主动训练研究*

由于传统的人工康复手段已经很难满足患者对康复治疗的需求,因此提出一种基于表面肌电信号的下肢康复主动训练模式。通过提取患者下肢肌电信号在时域内的特征量,经BP神经网络辨识患者的运动意图,最后将辨识结果作为驱动下肢康复机器人的信号源,实现对患者的主动康复训练。根据临床试验中患者在主动训练前后各项生命体征数据稳定,以及主动训练后神经功能和运动功能具有显著恢复效果患者数较传统训练模式提升了50%,表明该主动训练模式的可行性和安全性。为今后深入研究主动康复训练奠定了理论和实践基础。     

基于脉内特征的雷达信号分选方法

当前复杂的电子环境下不同调制的多种雷达信号,具有交叠严重、分选困难的特点。针对这一问题提出一种基于时频原子特征的雷达信号分选方法。该方法根据欧氏距离准则,在超完备的Chriplet时频原子库中,利用杂草算法提取可分性较好的原子,并与各信号做内积作为雷达信号分选的特征值,利用改进的FCM聚类算法进行聚类。在不同信噪比下,对5种不同调制参数的雷达信号进行分选,仿真结果表明,在较低的信噪比下,该方法能够进行有效的雷达信号分选。     

基于奇异值分解的液压缸动态特性分析新方法

针对经验模态分解(EMD)方法、数学形态法和经验模态分解(MM-EMD)方法在处理液压缸油压波动信号时产生模态混叠的缺点,提出了一种基于奇异值分解(SVD)的液压缸动态特性分析的新方法。首先,在相空间对周期性冲击力作用下的液压缸油压波动信号进行重构,得到合适的特征矩阵;然后将特征矩阵进行奇异值分解,获得奇异值序列和多个可线性叠加的分量信号;最后,根据奇异值分布规律、分量信号特点和油压波动模型,将分量信号进行分类和重组,提取能够反映液压缸动态性能的自由振动分量。试验结果表明,基于奇异值分解的液压缸动态特性分析新方法提取的自由振动分量,能够避免模态混叠,保留了更多的信号细节,为评价液压缸动态性能提供可靠的依据。     

针对钢腐蚀疲劳损伤的非线性Rayleigh波检测方法

针对钢腐蚀疲劳损伤的检测和评价,提出了一种非线性Rayleigh表面波的检测方法。搭建了RAM-5000-SNAP非线性超声检测系统,采集了Rayleigh表面波非线性信号,建立了疲劳周期过程中相对非线性参数A_2/A_1~2与腐蚀疲劳寿命之间的关系。为了提高该检测方法的准确度,采用小波包分解法实现降噪处理。研究结果表明,相对非线性参数在腐蚀疲劳过程中具有先增加后保持平稳最后又急速增大的变化趋势,并且急速增大点在试件出现弯曲变形时出现。因此,非线性Rayleigh波检测方法可以实现钢腐蚀疲劳损伤的无损检测。     

基于经验模态分解建模法检测肌肉疲劳研究

本文针对表面肌电信号的非平稳特性,采用自回归模型（auto regression,AR）对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号进行建立自回归模型,采用基于该模型的第一个时变参数（first time-varying parameter of auto regression modle,ARC1）作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比（sensitivity to variability ratio,SVR）来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高和将表面肌电信号细微特征信息放大、便于识别的效果等优点。     

基于短时能量的呼吸暂停信号识别方法

呼吸暂停是一种常见的疾病,严重的呼吸暂停会导致患者猝死。针对患者需要对睡眠过程中呼吸信号进行实时监测,提出了一种基于短时能量的呼吸暂停信号识别监测方法。该方法基于患者呼吸过程的信号频域特性,先对不同的患者进行自适应鼾声特征信号建模;之后通过神经网络信号识别方法,利用建立的模型对患者的呼吸信号进行呼吸暂停判断。实验结果表明,对不同的患者进行睡眠呼吸过程进行监测时,可以识别95%的呼吸暂停信号,本方法为呼吸暂停患者的实时监测提供了一种高精度的信号识别方法。     

基于表面肌电信号的高原公路驾驶员颈部疲劳试验分析

为了解高原公路驾驶员颈部疲劳状况,寻求减轻驾驶员疲劳途径。选取新疆帕米尔高原典型路段进行实驾试验,通过生物反馈仪获取受测驾驶员颈部肌电数据,利用时域与频域分析方法选取积分肌电值(IEMG)与中值频率(MF)作为评价指标,研究高原公路驾驶员颈部肌肉IEMG与MF在连续驾驶时间、海拔作用下的疲劳特性。研究表明:连续驾驶时间、海拔是影响驾驶员IEMG、MF的主要因素。随着驾驶时间增长与海拔逐渐升高,驾驶员IEMG有上升趋势,而MF有下降趋势,表明高原公路驾驶员从低海拔到高海拔路段长时间连续驾驶车辆导致颈部疲劳感增加。通过对比不同行车经历驾驶员,发现经常出入高原公路驾驶员的颈部疲劳度与自我缓解能力要优于首次进入高原公路行驶车辆的驾驶员。