基于肌音信号的四种手部动作模式的识别方法

肌音（MMG）是指肌肉收缩时发出的2～100 Hz的低频＂声音＂。近年来,有研究将前臂肌音信号作为生理信号源应用于假肢手的控制,并取得了一定的进展。利用主成分分析法（PCA）对多通道采集的前臂肌音信号的18个时、频域特征的特征空间进行降维,并采用线性分类器对4种手部动作模式（手掌握紧、手掌张开、腕部弯曲、腕部伸直）进行...     

基于MYO的肌电假肢手控制中手势在线识别系统

表面肌电(surface electromyography,s EMG)信号被广泛应用于临床诊断、康复工程和人机交互等领域中.针对目前控制肌电假肢手的电极成本高、电极佩戴困难以及操作灵活性差等问题,设计一种基于MYO的肌电假肢手手势在线识别系统.通过采集人体上肢前臂的表面肌电信号,在时域上分别提取5种特征值,利用反向传播(back propagation,BP)神经网络分类算法实现对8种手势动作意图的在线实时识别.实验结果证明,利用MYO进行手势识别可以获得较好的识别结果,该系统能够准确识别8种手部动作,平均在线识别率达到92%.     

一种基于sEMG信号的手势识别方法研究

随着机器人技术的发展,利用表面肌电(surface electromyography,sEMG)信号进行动作识别成为研究的热点.针对sEMG与手部动作关系复杂且实际应用困难的问题,该文提出一种基于BP(back propagation)神经网络的模式识别系统,可通过指浅屈肌和肱挠肌的2路sEMG信息源,识别手部6种不同姿态.该研究采用1阶数字低通无限脉冲响应滤波器提取信号包络,并利用能量特征值进行端点检测,选取短时能量、过零率和12阶线性预测系数进行模式识别.实验结果表明:该方法可以达到90%以上的识别正确率,具有一定的实际应用前景.     

基于DSP的假肢手肌电信号控制系统的设计

介绍了一种基于DSP的肌电信号采集、分析系统。根据肌电信号的特点,以DSP嵌入式系统为控制核心,采用AgCl电极作为肌电信号传感器,可以实现6通道肌电信号的采集。该系统通过信号放大、滤波电路的设计,结合信号处理算法的开发实现,完成了6个电机控制信号的输出,最终实现了欠驱动肌电控制假肢。仿真结果表明,该系统的动作识别准确率可达96.66%。     

基于肌音信号分析的踝关节动作模式识别

通过测量分析受试者小腿胫骨前肌和腓骨短肌的肌音信号,对踝关节背伸、跖屈、外展、内收等4个动作进行模式识别研究。提出了基于二次包络线的不等长信号分割算法,以及基于非线性小波变换的奇异值特征提取方法,并使用SVM分类器进行模式识别。结果表明:基于不等长分割的算法可以有效截取踝关节肌音信号的动作段信号;在两通道信号采集的情况下,利用非线性小波变换得到的奇异值特征在踝关节四模式识别中总体准确率可以达到87.8%,验证了本文提出的分析方法的有效性。     

基于ARM的肌电假肢手控制器

由于肌电假肢手大多基于阈值的张、合控制,并存在操作灵活性差等问题,提出一种基于ARM的肌电假肢手控制器设计方案.采用ARM核STM32处理器作为主控芯片,通过2路A/D采集手臂尺侧腕屈肌和桡侧腕屈肌的肌电信号,分别提取时域和频域上的4种特征值,并采用BP神经网络分类算法实现对5种手掌动作模式的在线实时识别.实验结果表明,该控制器对5种动作的整体在线识别率可达97%,且符合实时性要求,很好地满足了残疾人假肢手控制的需求.     

基于肌肉电信号控制的假肢用机械手的设计

介绍了一种灵巧机械手的设计和控制,这种机械手可以作为多功能的上肢假肢.此机械手包含了手和手腕的设计.它的手部可以完成四种抓取模式(握,捏,侧握,侧捏),腕部可以屈曲和旋转.所有的这些动作仅有四个电机来控制.在尺寸优化的基础上,建立了食指的运动学模型并求出了食指运动学的正解和逆解.从而为进一步研究机械手的轨迹规划和控制问题提供了理论依据.最后,简要描述了肌肉电信号的产生以及如何利用肌肉电信号来控制该假肢的运动.     

结合运动想象和动作观察的伸-握动作识别方法

为了获取单侧手部在伸-握动作下与运动想象直接相关的脑电信号(EEG)特征并实现精细动作有效识别,提出了结合运动想象和动作观察的单侧手部伸-握动作精细识别方法。首先,设计了结合运动想象和动作观察的复合范式,增强了伸-握动作所对应大脑皮层的激活程度,并探索了在运动想象、运动观察和复合范式下大脑皮层的激活规律;然后利用小波变换重构各个通道EEG并计算相应多尺度熵,并通过共空间模式获取伸-握动作所对应EEG特征;最后,利用线性判别式法从EEG特征中识别"伸开"和"握拳"精细动作。实验结果表明:相比单一实验范式的运动想象或动作观察,该方法在低频(5～20 Hz)时更能有效地激活运动区和枕区的神经元;同时,"伸开"动作对应EEG的多尺度熵明显大于"握拳"动作的熵值,实现了单侧手部伸-握动作精细意图感知,其平均正确率可达85.7%。     

基于SPCE061A机器人假肢语音识别控制系统

本文介绍了一种基于SPCE061A单片机机器人假肢语音识别控制系统,给出了该控制系统的设计原理以及硬件和软件设计。语音识别控制是由SPCE061A单片机进行语音命令的训练与识别,然后控制相应的驱动器,进而控制相应的电机。控制系统实现了机器人假肢上肢的抬起、下落,前肢的内转、外转、弯曲、伸开,手部的上仰、下附、张开、闭合等动作。基于SPCE061A单片机的机械人假肢语音识别控制系统稳定性好,性价比高,易于扩展。     

基于EEMD和多域特征融合的手势肌电信号识别研究

人造假肢技术目前已成为一个研究的热点,手势肌电信号的识别为人造假肢的研究做出了贡献.提出基于总体经验模态分解(EEMD)的信号处理方法,首先将采集到的信号经EEMD分解成若干个固有模态函数分量(IMF),然后在得到的前三阶IMF的基础上提取时域、频域和希尔伯特域特征,融合提取的特征组成多域特征向量组,最后送入支持向量机分类器中来分类6种手势动作,识别率最高可达到98.7%.实验结果表明,通过EEMD分解原始信号提取的多域特征用来识别手势动作是可行的.