基于HMM的表面肌电信号模式分类

按等时间间隔将表面肌电信号(SEMG)划分为不同的段,利用小波变换对其进行特征提取,借助隐马尔可夫模型(HMM)的动态建模能力来感知不同动作模式下SEMG的时变特性.具体应用时,先根据样本对各动作模式下的HMM进行训练,待各模型参数稳定后,再利用HMM对特征提取后的SEMG进行模式分类.实验结果表明:该方法具有很好的分类识别率.在6个手部动作识别中,上翻、下翻、内旋和外旋4种动作的识别准确率均在90%以上.     

基于熵理论和复杂度的肌电信号分析

传统信号处理方法对肌电信号分析存在一定局限。不能很好地描述肌电信号的复杂性;而基于熵理论和复杂度等非线性分析方法越来越多地应用于肌电信号等生理信号的处理。熵理论和复杂度对于肌电信号的处理具有运算速度快、数值特征明显,并且能够很好地描述其复杂性等特点。本文以做俯卧撑的上肢肌电信号为分析对象,通过计算其Renyi熵、小波熵和复杂度刻画不同阶段肌电信号的复杂性。并验证以此测度进行肌电信号不同区域划分的合理性,以及应用该方法分析肌电信号的有效性,取得了较好的效果。试验数据分析结果表明,小波熵值较大的部分对应于肌电信号能量较高的区域。从生理意义而言,这些区域正是肌肉纤维集中放电的过程。肌电信号成分单一,是复杂度较低的区域,而Renyi熵和复杂度值越大,对应的肌电信号成分复杂度越高,这与理论分析吻合得比较好。同时三者也得到了相互验证。由此表明该方法对于肌电信号的分析是可行的。非线性分析方法可能是未来肌电信号等生理信号的发展方向。该方法还可以应用于体力疲劳评价。     

用于生物模型的表面肌电信号处理

为了使从人体上采集到的表面肌电信号（sEMG）达到满足生物模型输入的要求,采用Matlab的Simulink和FDA工具对表面肌电信号的处理方法进行仿真研究。     

人体下肢表面肌电信号的检测与分析

人体步行时下肢肌电信号 (EMG)活跃 ,为研究步态周期内 EMG随路况的变化趋势 ,采用了下肢表面 EMG8通道检测装置进行了实验 ,对多人在 6种路况 (或步速 )下行走时的下肢 EMG进行了检测和分析。实验结果表明 ,步行时下肢肌肉活动有一定的规律性 ;各路况信号开始及持续时间、信号绝对值平均、中频等特征值区分明显 ,可以将其应用于智能肌电控制假肢路况模式辨识     

心电图的基本尺度熵分析

在健康人和有疾病人的生理信号的复杂度问题的量化受到普遍关注.复杂度的降低已被指出是病理动力学的一个普遍特征.本文使用前人提出的算法研究了心电图(ECG)的基本尺度熵(BSE)的特性,研究发现健康人的心电图的基本尺度熵比较稳定在某个范围之内(在每个图的中间区间),示出心电图处于稳定阶段,心脏的健康状况良好;而冠心病人的基本尺度熵变动范围比较大,在某个时段会波动很小、在另一个时段则会波动很大,显示出心电图处于不稳定阶段,心脏的健康状况正在变差;心梗病人则在任何时段都会表征为基本尺度熵变动范围比较小、慢慢在收敛,基本尺度熵值波变动范围最小,说明心脏的健康状况处于恶化阶段,即将危及生命.研究表明基本尺度熵值变动情况对临床诊断心脏疾病的发展演化阶段有重要的指征意义.     

基于表面肌电信号的手势识别方法

为了提高上肢手势动作的识别准确率,通过三阶巴特沃斯滤波器进行表面肌电信号(sEMG)去噪和时间滑动窗口合理分割sEMG信号预处理。特征提取使用了积分肌电值、均方根值和小波包变换系数,并提出了一种时域信号结合时频域信号的特征空间方法,包括了积分肌电结合小波包变换系数(IEME)和均方根值结合小波包变换系数(RMSME)。在特征空间构建基础上,提出了三种手势识别方法：支持向量机分类器(SVM)、人工鱼群算法优化支持向量机分类器(AFSA-SVM)和卷积神经网络(CNN)。实验共采集了10位受试者的8种上肢手势动作sEMG信号,并引用Nina Pro DB2公开数据集进行对比。实验结果表明,无论在实验采集数据和Nina Pro DB2公开数据集中特征空间IEME相对于RMSME都更具识别度,并且特征空间IEME在1D-CNN上识别平均准确率和平均训练用时均优于2D-CNN。在实验采集数据中1D-CNN识别平均准确率高达98.61%,相对于SVM和AFSA-SVM识别准确率提高了6.77%和10.61%,并且采用1D-CNN识别方法的平均训练时间为7.37s较SVM和AFSA-SVM减少了68.32s和221.53s,因此在手势sEMG信号识别分类中采用特征空间IEME和分类模型1D-CNN具有优势。     

基于径向基网络的表面肌电信号处理

利用AR模型对实验所采集到的原始二通道表面肌电信号（SEMG）加以分析,提取AR系数作为特征值,将其作为训练样本输入到RBF神经网络进行训练,用此网络对前臂的伸臂和曲臂两种运动模式的表面肌电信号进行模式分类。实验表明,基于径向基函数RBF神经网络分类准确率比BP神经网络更高,具有较强的鲁棒性和自适应能力,可以有效识别肌肉的单动作模式。     

表面肌电信号拾取与预处理电路设计

表面肌电信号(SEMG)是指当骨骼肌收缩时,肌纤维所产生的微弱电信号在皮肤表面的募集。一般情况下,表面肌电信号特别微弱,频率主要集中在10～500 Hz范围内,幅值在10～5 000μV,很容易受到工频50 Hz噪声干扰。针对表面肌电信号的特点,采用Ag/AgCl电极拾取SEMG信号,设计了仪表放大电路,带通信号调理电路。实验证明,所设计的电路能有效提取带宽为10～1 000 Hz的表面肌电信号,实现了简捷有效的表面肌电信号拾取。     

基于表面肌电信号的上臂动作识别研究

分析上臂动作与上臂肌肉的关系,通过表面肌电信号正确识别上臂的动作,是实现上肢功能修复的关键.设计了上肢曲臂、伸臂、水平外摆、水平内收、手臂垂直外旋和手臂垂直内旋6个动作,分别同时记录三角肌、肱二头肌和肱三头肌的表面肌电信号,采用时域和频域的方法提取特征值,通过人工神经网络进行识别,识别率达到90%以上.结果表明,通过上肢肱二头肌、肱三头肌和三角肌的表面肌电信号识别上臂的运动是可行的,为应用生物电信号控制机械假肢和实现脊髓损伤功能障碍修复奠定理论基础.     

基于独立向量分析的表面肌电信号分解研究

提出一种适用于表面肌电信号分解的变步长的独立向量分析梯度算法,根据表面肌电信号(s EMG)的生理学特性,将独立向量分析(IVA)模型应用到卷积混合肌电信号的频域分离中,提取隐含在s EMG信号中的运动单位动作电位信息。并将该方法与独立分量分析(ICA)方法的分解性能分析比较。实验结果表明,基于IVA盲源分离技术的分解方法能得到较明显的分解效果。     

非线性lp问题的极大熵方法

在非线性l1问题极大熵方法的基础上,构造了非线性l(0＜p＜1)问题的极大熵方法.为了克服lp问题的非光滑性,导出了极大熵函数,并证明了极大熵函数列的收敛性.根据同伦算法证明了极大熵函数的最优解序列逼近于非线性lp问题的最优解,并提出了解决计算过程中易于溢出的方法.最后,数值仿真表明算法是十分有效的.     

基于表面肌电信号的时频组合特征融合识别

为了克服单域、单特征描述的片面性,提出了一种时频组合特征提取及其融合的方法.选择基于时域的信号偏度和峭度、频域的功率谱比值、时频域的小波系数3个不同特征,并对各特征进行深入分析与处理.经BP网络的多级分类后,对其结果采用模糊积分进行证据源累积,并做出终裁.实验结果分析表明:利用时频组合特征融合后,肌电信号特征得到了较全...     

衡量金融风险相关性的Copula熵方法

正态检验的不理想和偏度及峰度的存在使得用基于多元正态分布的假设及线性相关系数研究相关性受到质疑,为此应用信息熵结合Copula理论建立了Copula熵函数.与信息论中互信息等相关性衡量指标相比较,其具有不受维数限制、有量纲、能捕捉非线性相关关系等优点.结合经济圈理论进行了数据验证,表明了该方法的可行性和有效性.     

变量有界线性规划的极大熵方法

目的讨论变量有界线性规划问题的熵函数解法。方法采用Lagrangian对偶把该问题处理为一个对偶的低维无约束不可微凸规划，据此提出了变量有界线性规划问题的可微极大熵函数。结果提出的熵函数方法可以避免数值计算的溢出。结论所采用的熵函数可避免数值的溢出，数字结果表明方法是有效的。     

一般约束凸规划极大熵方法的收敛性

带约束的极大极小问题是一类不可微优化问题，通常的解决是通过增加约束将其转化为可微优化问题，极大熵方法是一种用光滑函数逼近最大值函数的方法；基于这种方法，给出一种求解带一般约束的极大极小问题的逼近方法，并针对凸规划问题证明了这种方法的收敛性，即当控制参数趋于正无穷时，近似问题的最优解收敛于原问题的最优解。     

一类线性规划的调节熵函数法

目的为得到一类线性规划的简单有效的数值算法。方法通过利用熵函数的思想，给出了求解该类线性规划的调节熵函数法，由于算法是基于等价的极大极小问题，从而具有初始点任意性的优点。结果给出了该算法分析并讨论了它的收敛性，最后给出的数值例子显示了其有效性。结论与传统方法比较，所得算法更为简洁，具有可充分利用现有无约束优化算法，以及可较快地收敛到问题的最优解等特点。     

运动员膝关节动态情况下的肌电特征分析

研究目的在于观察等速运动条件下膝关节屈、仲肌群表面肌电的时域和频域特征变化规律,揭示各屈伸肌的SEMG与运动速度,肌力矩的关系．为研究其他关节肌群功能在方法学上提供一新的实验事实以及为力量训练提供参考依据．     

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。