表面肌电信号的基本尺度熵分析方法

提出了一种基于基本尺度熵的表面肌电信号特征的提取方法.对动作持续阶段的信号进行基本尺度熵的计算,来获取肌电假手执行腕上翻、腕下翻、展拳和握拳4类动作时所对应的表面肌电信号特征.实验结果表明,通过这种方法获得的基本尺度熵能够聚集,在各自特定的范围内具有很好的类区分性,通过聚类可以有效地进行手部4种动作类别的区分.     

一种3自由度仿人型假手的肌电控制

采用支持向量机作为分类器,通过在健康受试者前臂处安放8个表面肌肤干电极提取肌电信号,使用信号均值作为特征,以较高成功率实现人手10种姿态的分类.分类结果加窗后输出至3自由度假手控制器,实现"姿态跟随"以及"位置/力矩迭加"两种控制方法.试验结果表明,手部姿态的多模式识别使得多自由度肌电假手的控制更加柔顺,体现了较高的灵巧性与功能性.     

基于表面EMG功率谱和BP网络的多运动模式识别

结合功率谱比值法和BP神经网络提出一种基于表面肌电信号（EMG）的多运动模式识别算法．该算法首先根据表面肌电信号功率谱的特点,提出一种有效的特征提取算法——功率谱比值法;然后将功率谱比值特征作为BP神经网络的输入向量,实现对伸腕、屈腕、张开、合拢四种动作模式的识别,该识别结果可为肌电假手的多种运动模式提供仿生控制的信号源．实验结果表明,该方法对同一健康受试者四种运动模式的识别成功率平均达到95％,而对不同的健康受试者的识别成功率平均达到85％．     

基于支持向量机的肌电信号小波特征分类解码

采用小波变换进行肌电信号预处理与多尺度分解,并采用小波系数最大值与平均能量值作为肌电信号特征,采用支持向量机进行特征分类识别的运动解码,并用此方法进行了腕部动作识别的实验.与时域特征、频域特征、AR参数特征提取方法以及神经网络识分类别方法进行对比,结果表明:基于支持向量机的小波特征提取方法可以较好地区分不同腕部动作,具有最高的分类精度,极大改善前臂假肢的操纵性能.     

基于肌电信号的人手姿态多模式识别方法

为了实现多自由度假手的控制,需要基于人体肌电信号识别更多的手部姿态.采用6枚表面肌肤电极获取肌电信号,使用样本均值构成特征向量训练支撑向量机,通过对人手姿态模式进行合理规划,实现了人手19种姿态的有效分类.相比传统稳态特征集而言,新方法使用阈值特征集训练分类器,使其在总体及模式过渡特征的识别率上均有提高.基于此而构建的人手姿态多模式在线识别方法将使多自由假手的肌电控制更加直观与有效.     

人体腿部表面肌电信号特征提取方法

表面肌电信号(sEMG,surface electromyography)作为人体运动检测的主要信息源之一,已被广泛应用于康复训练福祉机器人领域。针对人体下肢动作识别的问题,提出了一种针对表面肌电信号进行小波变换的特征提取方法。在肌电信号的频域分布中,该方法选取小波子空间中活动段的平均功率组成特征向量。为验证所提出方法的有效性,设计实现了一种微型便携式多通道sEMG信号采集系统,并利用支持向量机(SVM,support vector machine)构建分类器对腿部动作进行识别。实验结果表明:该方法能有效识别腿部常见的4种动作,同一个体动作识别率能达到95%以上,不同个体识别率平均能达到85%,能够较好地应用于下肢运动障碍患者的日常康复训练。     

基于脑电特征的多模式想象动作识别

对不同部位肢体想象动作诱发的脑电特征进行辨识,并提取出对应的思维信息,这是实现脑-机交互的经典方法之一,传统的左、右手双想象动作诱发模式下信息转化效率较低,引入多个肢体部位想象动作的多模式转化方法可望改善这一缺点.采用二维时频分析结合Fisher分析的方法,从典型受试者的多模式想象动作脑电信号中提取出有利于分类识别的事件相关去同步化和同步化特征信息,再使用支持向量机建立双层分类器对多模式想象动作进行分类识别.本方法对于4种不同肢体部位的识别可以达到较高的正确率(85.71%).结果表明,多模式想象动作的诱发脑电特征信息具有明显的空间特异性,可以用于脑-机交互思维任务的识别和提取,值得进一步研究.     

基于肌电触发的上肢康复训练机器人的实现

在三自由度中央驱动式上肢康复训练机器人样机的基础上,通过提取患者的肌电信号,设计了一种肌电触发的助力训练控制方案,达到帮助上肢功能障碍患者进行助力康复训练的目的.运用多种电子技术,提取桡侧腕屈肌和尺侧腕屈肌这一对拮抗肌的表面肌电信号,结合运动系统的分层多核控制方案,实现对患者肌电信号的检测和处理,根据患者的运动意图提供相应的助力动作,实现肌电触发的助力训练模式.进行了肌电信号识别实验和速度调节验证实验,验证了肌电触发的速度可调式助力训练方案的可行性.     

现代控制理论在假肢技术中的应用

采用计算机模式识别分析残疾人的肌电动作信号，以获得大脑指挥手动作的各种肌电信号特征，利用模糊控制技术实现肌电假手的控制电路，并制作出能实际应用的控制电路。     

肌电特征发现与肌电康复研究

肌电特征发现与肌电康复研究胡天培（康复工程研究所）１９７８年以来，在开展肌电控制假手研究中，作者对人体肌电进行了多方面的实验研究和探讨［１］，首次发现频谱分析揭示的人体肌电特征．对肌电假手适用面的实验结果表明，仅有约占受试前臂残肢者３０％～４０％左右...