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%.

改进的互谱法分析SMES及其在虚拟仪器中的实现

传统检测方法处理表面肌电信号(SMES)时,个体差异比较大,本文针对这一不足,应用互功率谱比值法对肌电信号进行处理,并分析互功率谱的各项参数和对应肢体动作变化之间的关系,消除了肌电信号实际测量中不可测噪声的干扰。实验表明这种改进的互功率谱比值法与传统的自功率谱比值法的方法相比,动作模式识别率得到了提高。同时,采用虚拟仪器技术提高仪器的测量精度,降低成本。

基于触觉和肌电信号的假手模糊控制方法研究

提出了一种带触觉反馈的肌电假手模糊控制方法.该方法在有效识别肌电信号(MES)的基础上,实现了基于触觉与肌电信号的假手仿生控制.为了消除肌电信号的个体差异,使其能可靠应用于非特定人场合,应用互功率谱比值法对肌电信号进行处理,并分析互功率谱的各项参数和对应肢体动作变化之间的关系,消除了肌电信号实际测量中不可测噪声的干扰.采用特别设计的模糊控制器控制假手动作的步进量,实现了肌电假手对多种不同物体的稳定抓取.实验表明这种组合方法不仅可以获得较高的动作模式识别率,而且能有效地降低被抓取物体的损坏.