非线性SVM融合LDA的sEMG手势识别应用分析

针对非线性SVM及LDA算法在肌电信号手势识别应用上的合理性问题进行实验,比较新型非线性支持向量机(SVM)分类方法和实际应用中常用的线性判别分析(LDA)在肌电图手势识别上的优劣。首先采用1到6不同数量的电极采集3组不同的手臂动作的前臂肌电信号,记录数据。然后,通过计算机编写算法程序对比SVM和LDA两种方法在不同电极数量下的肌电手势识别的准确率。最后得出结论,2种算法的手势识别率与肌电电极数量密切相关,根据电极数选择合适的分类算法。分析表明,该实验在减少电极数量情况下对手势识别算法的选择有重要意义。

Analysis and Comparison of Safety and Fatigue Comfort of Postal Bicycles Based on Finite Element Method and sEMG

The safety and the fatigue comfort were compared between a domestic and a Japanese postal bicycle. Firstly, the fatigue comfort of these two kinds of bicycles was evaluated by surface electromyographic signal (sEMG) experiment, in which human lower limb muscle groups were research objects, and the average EMG (AEMG) index and median frequency (MF) were chosen as the evaluation indexes. Secondly, the safety of these two kinds of bicycle frames was analyzed and compared by using the finite element analysis. The results show that the riding fatigue comfort of the Japanese postal bicycle is better, and the Japanese postal bicycle frame is more safe and reasonable although both the postal bicycles meet the requirement for strength. Finally, based on the above analysis, the frame structure and related parameters of the domestic postal bicycle were improved with reference to the Japanese postal bicycle and biomechanics theory.

基于HHT变换的SEMG信号中MUAP的数目估计

对表面肌电(SEMG)信号中单位动作电位(MUAP)的数目进行估计可为神经肌肉控制的理论研究和神经肌肉疾病的诊断开辟新途径,本文给出了一种基于Hilbert-Huang变换(HHT)的表面肌电信号中运动MUAP数目估计方法。通过对SEMG信号经验模态分解后的第一内禀模态函数分量进行瞬时频率分析,利用其瞬时频率极值点的计数即可估计出运动MUAP数目。仿真信号与真实信号的实验结果均表明,基于HHT的SEMG信号中MUAP的估计方法是有效的。

基于上肢表面肌电信号离线识别的机械手掌系统

表面肌电(sEMG)信号是随着人体肌肉的运动在皮肤表面产生的一种微弱生物电信号,具有提取便利、无创、快速等特点。设计了一种在离线情况下识别肌电信号的机械手掌系统,信号经过滤波处理,提取特征向量,使用支持向量机(SVM)对采集到的数据进行训练,将模型移植入神经网络处理器中,识别出相应的动作,并控制舵机执行相应动作。系统实现了单机的实时识别,并且平均识别率大于93%,具有较快的反应速率。相较于其他手掌具有灵活度高,佩戴方便,可离线使用等优势,抛开了网络的束缚。该系统借由3D打印技术,实现了系统整体可佩戴,能够在日常生活中发挥实际作用,为残疾人提供了便利。

基于多域融合与特征选择的手势识别研究

由于手部运动类型增加,准确地对表面肌电(sEMG)信号进行分类需要更多特征。针对特征维数增加导致的特征冗余现象,提出了基于多域融合与特征选择的手势识别方法。从4个通道sEMG信号中提取时域、频域和时频域特征构成特征集。分别采用最小冗余最大相关(mRMR)、基于快速关联的过滤(FCBF)算法、ReliefF、Pearson相关系数进行特征排序,并且利用线性判别分析(LDA)与支持向量机(SVM)对12种精细手势动作进行分类。将4种特征选择与2种分类器的组合构成不同的手势识别模型,SVM-ReliefF手势识别模型分类效果优于其余7种识别模型,在提取30维特征的情况下,分类准确率为96.67%。结果表明:基于多域融合与特征选择的手势识别降维效果显著,且分类效果较好。

基于AFSA-SVM的手势识别方法

为了提高表面肌电信号(sEMG)对手势识别的准确率,提出了一种人工鱼群算法优化支持向量机分类器(AFSA-SVM)方法。采集了10位受试者手势动作的sEMG信号,对sEMG信号进行预处理后,进行时域信号积分肌电值(iEMG)和均方根值(RMS)的特征提取,使用特征进行分类。实验结果表明,在特征iEMG上AFSA-SVM与SVM平均分类准确率分别为88.21%与84.29%,AFSA-SVM提高了3.92%;在特征RMS上AFSA-SVM与SVM平均分类准确率分别为86.85与83.69%,AFSA-SVM提高了3.16%。因此,AFSA-SVM相对SVM分类器的识别准确率更高,并且时域特征iEMG相对RMS更具识别度。

腕长伸肌表面肌电与握力大小的相关性研究

研究了桡侧腕长伸肌(ECRL)表面肌电信号与手握力大小的相关性。9名健康的志愿者参加了本次实验,实验测量最大自主收缩力(MVC),并记录20%MVC、40%MVC、60%MVC及80%MVC时ECRL的表面肌电信号,采用积分肌电图方法提取表面肌电信号的特征参数,统计以受试者自身的MVC为基准的不同握力水平的相对特征值,分析受试者ECRL表面肌电特征参数和握力大小的相关性。结果表明,受试者ECRL表面肌电的特征值与握力大小存在正相关性,即可以通过ECRL表面肌电信号的特征值预测握力的大小,评价运动功能和康复程度。

上臂表面肌电信号与肘关节角度的相关性研究

目的根据检测的上臂肱二头肌和肱三头肌表面肌电信号,研究表面肌电信号和肘关节角度之间的相关性。方法在手握恒定目标力量时提取表面肌电信号,并分别从时域采用均方根和积分肌电值方法提取肌电信号的特征值。结果实验结果表明肱二头肌和肱三头肌上的肌电信号幅度的均方根和积分肌电值的变化规律是不同的,前者的肌电信号幅度的均方根和积分肌电值都是随着肘关节角度的增加而增大,而后者的2种值都在肘关节弯曲90°时最大,在45°和135°时的值非常接近。结论肱二头肌和肱三头肌的表面肌电信号,可以反映肘关节角度。

表面肌电图在人体运动研究中的应用

肌肉运动时会有微小的生物电变化,表面肌电图作为一种无创的检测方法来检测这种生物电变化。运动时 肌电图的振幅、频率等指标均会产生相应的变化,而且这些变化与运动方式、运动状态、肌肉疲劳密切相关。

基于峰-谷分段积分算法的行走步态周期识别

将表面肌电信号(SEMS)作为信息源,提出一种基于峰-谷分段积分算法的人体行走步态周期识别方法。通过凌阳SPCE061A单片机对SEMS进行实时采集,使用RS232串行口与PC机进行通信,将SEMS的数字量信息传递给PC机。在Visual C++环境下建立步态周期识别界面,采集6位被测者行走时的8个下肢SEMS。实验结果表明,该方法能提高识别结果的准确性和可靠性。

基于小波变换和K-L展开的单通道表面肌电信号识别

利用单通道表面肌电信号对肘收缩、肘伸直、前臂外旋和前臂内旋四个上肢动作进行了识别.用肌电信号最高频率20倍的过采样率对表面肌电信号进行采样,利用抽取滤波技术将过采样带来的冗余数据去除并保留了过采样带来的低噪声的优点.通过小波变换提取出5个子频带的相对能量与表面肌电信号的总能量一起作为原始的特征向量,然后通过K-L展开将6维的原始特征向量降为2维.通过建立BP网络分别用6维特征向量和2维特征向量对上述的四个动作进行识别.结果显示该方法在减少肌电电极的同时保持了较高的识别率,有很好的识别效果.

基于多传感器融合的动态手势识别研究分析

研究利用三类传感器(表面肌电仪、陀螺仪和加速度计)信号的特点进行信息融合,提高可识别动态手势动作的种类和准确率。将动态手势动作分解为手形、手势朝向和运动轨迹三个要素,分别使用表面肌电信号(s EMG)、陀螺仪信号(GYRO)和加速度信号(ACC)进行表征,利用多流HMMs进行动态手势动作的模式识别。对包含有5个运动轨迹和6个静态手形的识别实验结果表明,该方法可以有效地从连续信号中识别动态手势,三类传感器组合使用获得的全局平均识别率达到92%以上,明显高于任意两个传感器组合和仅采用单个传感器获得的平均识别率。实验表明该方法是一种有效的动态手势识别方法,并且相较于传统的动态手势识别的方法更具有优势。

长时间振动对拖拉机驾驶员腰部疲劳的影响研究

在振动试验台上模拟拖拉机驾驶环境,在振动加速度为1.2m/s2、频率为4Hz的情况下,测试了被试者腰部竖脊肌和多裂肌的表面肌电信号(sEMG),并对其均方根值(RMS)和平均功率频率(MPF)进行了分析研究。结果表明:在振动过程中,被试者腰部均感觉到了明显的疲劳;随着驾驶时间的延长,竖脊肌和多裂肌肌电信号的RMS呈上升趋势,而MPF呈下降趋势。这说明,在振动过程中,随着试验时间的延长,被试者腰部竖脊肌和多裂肌产生了疲劳,是使被试者产生腰部疲劳的主要原因。结合主观疲劳感觉评分结果,被试者在受振50-60min后开始有疲劳感觉。

基于表面肌电信号对中国手语识别的探索与动作规范

目的探索基于表面肌电信号(surface electromyography,SEMG)中国手语手势识别的可行性,尽量减少用户执行手势动作主观用力差异对SEMG分类的不利影响。方法以中国手语30个字母手势动作为研究对象,通过分析手势动作过程,提出一套基于SEMG的中国手语手势动作规范方案。在实验室搭建的识别系统上,15名受试者参加了特定用户和与用户无关的规范前后识别实验。结果经过规范学习后,30种手语手势的动作识别率得到了显著提高,平均提升值为37%。结论手势动作规范可使不同动作的SEMG具有更高的可分性,此研究结果为实现基于SEMG大词汇量的中国手语手势识别提供了一种可行的方案。

手部抓取动作特征提取算法研究

针对人手抓取动作问题,如何有效地提取表面肌电信号特征是提高其模式识别率的关键。通过对前人不同手部抓取动作的分类方法及日常生活工作中使用的频度进行统计学分析,决定选取8种抓取动作进行研究。实验显示,随着手部动作姿态种类的增加,基于表面肌电信号的不同特征提取算法分类能力出现不同程度的下降甚至失效。为取得更为理想的抓取动作分类效果,提出将抓取动作分割为预抓取和抓取两个动作过程。选择采集预抓取动作前臂肌电信号,除对其时域、频域及时频域常用特征量进行分析对比外,还增添了对时频域中小波系数最大模值的分析,旨在找出最有效表征肌电信号动作分类的特征量。实验结果表明,小波系数最大模值量最有特征可分性,区分效果比较理想。

基于小波包的表面肌电信号特征表示与识别

为提高智能轮椅人机接口中表面肌电信号的正确识别率和识别效率,主要研究了基于小波包多尺度分解的特征表示及识别。把采集的表面肌电信号在指定尺度及核函数的同一组正交小波包基下进行分解,用小波包多尺度分解的系数构造表面肌电信号的特征基向量。考虑到多通道表面肌电信号可能存在特征信息冗余,为消除这些冗余信息,对多通道表面肌电信号的特征空间通过正交规范化进行重构,并且用重构特征向量的对偶坐标向量作为表面肌电信号的最终特征表示。用非线性自回归神经网络实现了双通道表面肌电信号四种不同动作模式的分类。实验结果表明,小波包多尺度分解系数的重构对偶坐标向量不仅可作为表面肌电信号的特征表示,并能有效简化分类器的结构。

表面肌电信号在腰椎间盘突出症的应用价值

目的分析表面肌电信号变化评价针刀治疗腰椎间盘突出症的效果。方法回顾性分析本院2017年1月-2018年12月行针刀治疗的腰椎间盘突出症患者60例,通过表面肌电图比较治疗前后患者平均功率评率、中位评率的斜率、平均肌电波图,同时观察患者腰椎功能、直腿抬高角度、视觉疼痛评分。结果治疗后患者表面肌电图比较两组患者平均功率评率、中位评率的斜率、平均肌电波图,同时观察患者腰椎功能、直腿抬高角度、视觉疼痛评分优于治疗前患者临床比对有意义(P<0.05)。结论针刀治疗腰椎间盘突出症可恢复腰背伸肌,改善患者临床病症,通过表面肌电信号变化可有效评估患者治疗后平均功率评率、中位评率的斜率、平均肌电波图水平变化情况,便于临床准确、定量、客观的评价患者临床效果。

飞扬穴对腰椎间盘突出镇痛效应的影响及作用机制

目的:评估飞扬穴对腰椎间盘突出症的镇痛效应,同时观察其作用机制。方法:选取2012年1月至2016年12月鄂州市中心医院收治的腰椎间盘突出症患者100例纳入研究,按数字随机数字表法分为对照组及观察组,每组50例。2组患者均接受常规针灸联合脊柱推拿手法,观察组在上述治疗基础上加针刺飞扬穴,1次/d,30 min/次,2组均连续治疗10d,比较治疗前后患者简易McGill疼痛评分、JOA评分、腰椎活动度、生命质量、腰肌表面肌电信号变化以及治疗前后前列腺素E_2(PG E_2)、β-内啡肽(β-EP)的水平变化。结果:2组患者治疗后简易McGill疼痛评分、JOA评分均有所改善,其中观察组改善较对照组明显,差异有统计学意义(P <0. 05)。2组患者治疗后腰椎前屈活动度及生命质量均较治疗前提高,观察组优于对照组(P <0. 05)。治疗后观察组竖脊肌及多裂肌的AEMG、MF、MPF均较对照组改善(P <0. 05)。治疗后2组患者外周血PG E_2水平有所降低,β-EP水平上调,其中观察组改善得趋势更明显,与对照组比较差异有统计学意义(P<0. 05)。结论:飞扬穴可明显改善腰椎间盘突出症患者的疼痛阈值,其可能通过降低外周血PGE_2、提高β-EP水平有关。

基于表面肌电信号特征的动作识别

文章对表面肌电信号的RMS特征和AR模型特征进行了分析,并利用采集到的原始表面肌电信号数据进行了RMS和AR参数的提取。利用提取的数据对上肢动作进行识别分析,结果表明双通道数据或多维数据联合分布能够有效的区分和识别相应的动作。

基于优化肌电特征的无声语音信号识别

提出了一种基于遗传算法(GA)和fisher投影的最佳可鉴别基的求解方法.将原始特征向量向着最佳可鉴别基投影可得到具有最佳可分性的新的特征向量.从颧肌和二腹肌前腹的皮肤表面检测无声发出6个汉语元音的表面肌电信号(SEMG),以该肌电信号的AR模型系数、倒谱系数和美尔倒谱系数作为原始特征向量.使用遗传算法找出了原始特征的次优组合,并组成新的特征向量.将GA找出的次优特征向量向着fisher最佳可鉴别基投影可得到最佳鉴别特征向量.最后用改进的BP神经网络作为分类器得到了较好的识别效果.