期刊文献+
共找到304篇文章
< 1 2 16 >
每页显示 20 50 100
基于sEMG的手指康复治疗的信号处理研究
1
作者 俞萍 俞蕾 陈楚鑫 《黄河科技学院学报》 2024年第5期73-79,共7页
手指功能在日常生活中特别重要,特别是在一些需要抓取和一些较为精细的动作中,对日常生活质量有着不可忽视的影响。而目前临床针对手指功能康复的治疗模式主要采用辅助设备康复,而这种模式又较为枯燥。提出了一种通过采集表面肌电信号(s... 手指功能在日常生活中特别重要,特别是在一些需要抓取和一些较为精细的动作中,对日常生活质量有着不可忽视的影响。而目前临床针对手指功能康复的治疗模式主要采用辅助设备康复,而这种模式又较为枯燥。提出了一种通过采集表面肌电信号(sEMG)的方式,使得手指功能受损的患者可以脱离现有比较枯燥的治疗方式,同时也更有利于患者其他功能例如神经系统功能的恢复。采用肌电信号公开数据集,对原始肌电信号做相关的预处理,同时采用matlab仿真的方式验证预处理的正确性;并通过临床实验采集患者肌电信号的方式验证使用目前的肌电传感器对运动意图分析的可行性。 展开更多
关键词 表面肌电信号 运动意图分析 肌电信号预处理 MATLAB
下载PDF
基于步态事件和sEMG的功能性电刺激起始点研究
2
作者 邓昌仁 陈恩伟 +1 位作者 张佳峰 王勇 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2024年第5期590-595,共6页
足下垂患者步行过程中进行功能性电刺激可以帮助其恢复正常行走能力,而准确确定功能性电刺激的开启时间至关重要。文章针对该问题,利用步行过程中下肢的角速度和表面肌电信号(surface electromyography,sEMG),提出一种以步态事件与肌肉... 足下垂患者步行过程中进行功能性电刺激可以帮助其恢复正常行走能力,而准确确定功能性电刺激的开启时间至关重要。文章针对该问题,利用步行过程中下肢的角速度和表面肌电信号(surface electromyography,sEMG),提出一种以步态事件与肌肉动作点之间延时关系为控制策略的足下垂步行过程中功能性电刺激准确开启的方法。根据步态信息和sEMG电信号特征对大腿处的角速度数据进行步态事件划分,试验结果表明步态事件划分得具有良好一致性;利用模糊熵算法对去噪后的sEMG信号进行肌肉运动起始点T muscle的判定,确定T muscle与脚尖离地(toe off,TO)之间的延时时间关系;结合所划分的步态事件特征点,确定电刺激起始点T on。该文为足下垂治疗中功能性电刺激开启时间点的确定提供了一种新的辨识方法。 展开更多
关键词 步态分析 表面肌电信号(semg) 模糊熵 功能性电刺激起始点 足下垂
下载PDF
基于sEMG信号几何特征的肌肉疲劳分类
3
作者 曹震 吕东澔 +2 位作者 张勇 张鹏 姚贺龙 《传感器与微系统》 CSCD 北大核心 2024年第7期145-148,共4页
为了更好地区分肌肉疲劳程度,本文通过小波变换的方法,分析不同频段中表面肌电(sEMG)信号的能量变化情况,提取信号几何特征,对肌肉非疲劳和疲劳状态进行区分。从几何边界区域中提取周长、面积、圆度特征,分析几何特征变化情况。同时,使... 为了更好地区分肌肉疲劳程度,本文通过小波变换的方法,分析不同频段中表面肌电(sEMG)信号的能量变化情况,提取信号几何特征,对肌肉非疲劳和疲劳状态进行区分。从几何边界区域中提取周长、面积、圆度特征,分析几何特征变化情况。同时,使用分类器对肌肉疲劳进行分类。实验结果表明:几何特征对肌肉疲劳状态有更加直观的区分效果。几何特征在肌肉疲劳前后有明显变化,相比传统时域、频域特征,具有更好的分类效果,对几何特征进行特征融合,能够有效提升分类准确度。 展开更多
关键词 表面肌电信号 几何特征 肌肉疲劳 疲劳分类
下载PDF
Multifractal analysis of surface EMG signals for assessing muscle fatigue during static contractions 被引量:4
4
作者 WANG Gang REN Xiao-mei +1 位作者 LI Lei WANG Zhi-zhong 《Journal of Zhejiang University-Science A(Applied Physics & Engineering)》 SCIE EI CAS CSCD 2007年第6期910-915,共6页
This study is aimed at assessing muscle fatigue during a static contraction using multifractal analysis and found that the surface electromyographic (SEMG) signals characterized multiffactality during a static contr... This study is aimed at assessing muscle fatigue during a static contraction using multifractal analysis and found that the surface electromyographic (SEMG) signals characterized multiffactality during a static contraction. By applying the method of direct determination ofthef(a) singularity spectrum, the area of the multifractal spectrum of the SEMG signals was computed. The results showed that the spectrum area significantly increased during muscle fatigue. Therefore the area could be used as an assessor of muscle fatigue. Compared with the median frequency (MDF)--the most popular indicator of muscle fatigue, the spectrum area presented here showed higher sensitivity during a static contraction. So the singularity spectrum area is considered to be a more effective indicator than the MDF for estimating muscle fatigue. 展开更多
关键词 Muscle fatigue surface electromyographic semg signals MULTIFRACTAL Static contraction
下载PDF
Characterization of surface EMG signals using improved approximate entropy 被引量:3
5
作者 CHEN Wei-ting WANG Zhi-zhong REN Xiao-mei 《Journal of Zhejiang University-Science B(Biomedicine & Biotechnology)》 SCIE CAS CSCD 2006年第10期844-848,共5页
An improved approximate entropy (ApEn) is presented and applied to characterize surface electromyography (sEMG) signals. In most previous experiments using nonlinear dynamic analysis, this certain processing was often... An improved approximate entropy (ApEn) is presented and applied to characterize surface electromyography (sEMG) signals. In most previous experiments using nonlinear dynamic analysis, this certain processing was often confronted with the problem of insufficient data points and noisy circumstances, which led to unsatisfactory results. Compared with fractal dimension as well as the standard ApEn, the improved ApEn can extract information underlying sEMG signals more efficiently and accu- rately. The method introduced here can also be applied to other medium-sized and noisy physiological signals. 展开更多
关键词 surface EMG semg signal Nonlinear analysis Approximate entropy (ApEn) Fractal dimension
下载PDF
Analysis of sEMG signal for KOA classification 被引量:1
6
作者 李玉榕 廖志伟 杜民 《Journal of Harbin Institute of Technology(New Series)》 EI CAS 2011年第6期113-119,共7页
The sEMG signals are collected from the vastus lateralis,vastus medialis,biceps femoris,and semitendinosus of lower extremity during level walking among control subjects and knee osteoarthritis (OA) patients,the latte... The sEMG signals are collected from the vastus lateralis,vastus medialis,biceps femoris,and semitendinosus of lower extremity during level walking among control subjects and knee osteoarthritis (OA) patients,the latter including mild,moderate and severe degree.The 5-fold cross-validation is used to measure the accuracy of the proposed analysis algorithm on collected sEMG recordings.For comparison,the more classical feature vectors of form factor,degree of skewness,kurtosis,and wavelet entropy are also tested.In experiment,the normalized energy ratio and marginal spectrum ratio achieve larger accuracy than the other features for all the four muscular groups.Moreover the accuracy of vastus medialis and biceps femoris are larger than that of vastus lateralis and semitendinosus.These results suggest that the normalized energy ratio and marginal spectrum ratio via the analysis of knee sEMG signals by HHT can server as characteristic parameters to easily classify osteoarthritis with noninvasive method.The more important muscular groups for maintaining the knee joint function are medialis and biceps femoris;as a result of that they should be exercise especially for rehabilitation. 展开更多
关键词 osteoarthritis (OA) noninvasive diagnosis surface electromyography (semg) Hilbert-Huang Transform (HHT) neural network classifier
下载PDF
基于ISSA-VMD和二代小波的sEMG信号降噪研究 被引量:3
7
作者 吴田 蔡豪 +3 位作者 梁加凯 徐勇 黄梦婷 王南极 《电子测量技术》 北大核心 2023年第2期93-100,共8页
表面肌电(sEMG)信号是一种可以有效表征肌肉活动的弱生理信号,采集过程中易受到多种噪声干扰。为解决变分模态分解(VMD)参数经验设置的问题,并进一步消除sEMG信号中的噪声,提出了一种基于改进麻雀算法(ISSA)优化VMD和二代小波阈值法相... 表面肌电(sEMG)信号是一种可以有效表征肌肉活动的弱生理信号,采集过程中易受到多种噪声干扰。为解决变分模态分解(VMD)参数经验设置的问题,并进一步消除sEMG信号中的噪声,提出了一种基于改进麻雀算法(ISSA)优化VMD和二代小波阈值法相结合的sEMG信号降噪法。首先,采用基于改进T混沌映射、自适应权重和麻雀数目动态变化的改进麻雀算法并将品质因子作为目标函数对VMD进行参数寻优,然后利用ISSA优化的VMD分解对预处理过的sEMG信号进行分解,通过谱相关分析区分信号分量和噪声分量,最后对信号分量进行二代小波阈值法降噪,得到降噪信号。结果表明:ISSA较SSA有效提高了VMD参数寻优能力;在不同噪声等级下,基于ISSA-VMD和二代小波硬阈值的降噪法的降噪性能优于二代小波和ISSA-VMD;基于ISSA-VMD与二代小波硬阈值降噪法处理实际sEMG信号,能有效去除噪声。 展开更多
关键词 表面肌电信号 麻雀算法 变分模态分解 二代小波 相关分析
下载PDF
基于IMU与sEMG混合信号的实时手势分类算法研究 被引量:3
8
作者 王涛 吴迎年 +1 位作者 杨睿 孙乐音 《系统仿真学报》 CAS CSCD 北大核心 2023年第2期359-371,共13页
为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率,通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号,提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recu... 为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率,通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号,提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测,定位运动态数据起始点;第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化,分类算法识别时间低于40 ms,突变点检测精度88.7%以上,手势分类准确率为85%,信息传输率(informationtranslaterate, ITR)达到89.9 bits/min,与基于机器学习的分类算法相比,在准确率与计算效率上具有优势。 展开更多
关键词 表面肌电信号 惯性测量单元 门控循环单元 双向长短时记忆循环神经网络 手势分类
下载PDF
一种基于sEMG信号多重分形的肌肉疲劳特征分析方法 被引量:1
9
作者 谷中历 张霞 +2 位作者 徐梓桓 李嘉琳 夏方方 《河北科技大学学报》 CAS 北大核心 2023年第2期103-111,共9页
针对由表面肌电信号(sEMG)非平稳、非线性、自相似性等复杂特性导致的肌肉疲劳估计不准的问题,提出一种基于sEMG信号多重分形降趋移动平均法(MFDMA)的肌肉疲劳特征分析方法。首先,利用MFDMA方法对采集的sEMG信号、洗牌信号和高斯白噪声... 针对由表面肌电信号(sEMG)非平稳、非线性、自相似性等复杂特性导致的肌肉疲劳估计不准的问题,提出一种基于sEMG信号多重分形降趋移动平均法(MFDMA)的肌肉疲劳特征分析方法。首先,利用MFDMA方法对采集的sEMG信号、洗牌信号和高斯白噪声信号进行非线性动力学分析;其次,利用MFDMA方法计算sEMG信号的多重分形谱宽度、Hurst指数变化差值、概率测度值和峰值奇异指数4种多重分形特征;最后,利用t-检验法分析肌肉疲劳与非疲劳状态下的多重分形特征的显著差异性。结果表明,MFDMA方法能够描述sEMG信号的多重分形行为,谱宽等多重分形特征在肌肉疲劳与非疲劳状态下具有显著性差异。所提方法能够可靠表征运动性肌肉疲劳,可为肌肉疲劳识别模型建构、康复医学研究提供特征参考。 展开更多
关键词 康复工程学 表面肌电信号 多重分形 肌肉疲劳 非线性特性
下载PDF
基于sEMG和变刚度控制的虚拟假手交互系统
10
作者 余伟杰 曾洪 +1 位作者 金伟明 宋爱国 《传感器与微系统》 CSCD 北大核心 2023年第2期68-71,79,共5页
为使虚拟假手在交互时具有柔顺性,实现了一种基于表面肌电(sEMG)信号和变刚度控制的虚拟假手交互系统。首先,采集人体前臂的sEMG信号并从中估计人手的刚度水平和关节扭矩;然后,通过变刚度阻抗控制模型估计虚拟假手的关节角度;最后,使用... 为使虚拟假手在交互时具有柔顺性,实现了一种基于表面肌电(sEMG)信号和变刚度控制的虚拟假手交互系统。首先,采集人体前臂的sEMG信号并从中估计人手的刚度水平和关节扭矩;然后,通过变刚度阻抗控制模型估计虚拟假手的关节角度;最后,使用估计的关节角度控制虚拟假手与虚拟环境中的物体进行交互,交互过程中根据虚拟假手与物体的交互力对关节角度进行动态调节。实验结果表明:基于sEMG和变刚度控制的虚拟假手在进行抓握物体的交互任务时能在成功抓握物体的前提下产生较小的交互力,从而实现柔顺的交互。 展开更多
关键词 表面肌电信号 变刚度控制 MYO臂环 虚拟假手
下载PDF
A Hybrid Model Based on ResNet and GCN for sEMG-Based Gesture Recognition
11
作者 Xianjing Xu Haiyan Jiang 《Journal of Beijing Institute of Technology》 EI CAS 2023年第2期219-229,共11页
The surface electromyography(sEMG)is one of the basic processing techniques to the gesture recognition because of its inherent advantages of easy collection and non-invasion.However,limited by feature extraction and c... The surface electromyography(sEMG)is one of the basic processing techniques to the gesture recognition because of its inherent advantages of easy collection and non-invasion.However,limited by feature extraction and classifier selection,the adaptability and accuracy of the conventional machine learning still need to promote with the increase of the input dimension and the number of output classifications.Moreover,due to the different characteristics of sEMG data and image data,the conventional convolutional neural network(CNN)have yet to fit sEMG signals.In this paper,a novel hybrid model combining CNN with the graph convolutional network(GCN)was constructed to improve the performance of the gesture recognition.Based on the characteristics of sEMG signal,GCN was introduced into the model through a joint voting network to extract the muscle synergy feature of the sEMG signal.Such strategy optimizes the structure and convolution kernel parameters of the residual network(ResNet)with the classification accuracy on the NinaPro DBl up to 90.07%.The experimental results and comparisons confirm the superiority of the proposed hybrid model for gesture recognition from the sEMG signals. 展开更多
关键词 deep learning graph convolutional network(GCN) gesture recognition residual net-work(ResNet) surface electromyographic(semg)signals
下载PDF
融合表面肌电和姿势信息的轮椅绩效评价方法
12
作者 王振宇 向泽锐 +2 位作者 吕思龙 龙思雨 支锦亦 《包装工程》 CAS 北大核心 2024年第4期141-151,共11页
目的为客观评价轮椅的使用效益,使用表面肌电设备测试轮椅使用过程中的肌电信号,并融合姿势信号IMU来构建人机评价模型。方法分别对轮椅的折叠、刹车方式及行驶坡度进行试验来评估轮椅的使用绩效,通过对比用力肌群间的疲劳状况来判定较... 目的为客观评价轮椅的使用效益,使用表面肌电设备测试轮椅使用过程中的肌电信号,并融合姿势信号IMU来构建人机评价模型。方法分别对轮椅的折叠、刹车方式及行驶坡度进行试验来评估轮椅的使用绩效,通过对比用力肌群间的疲劳状况来判定较为舒适的轮椅折叠及刹车方式。实验要求被试者在执行轮椅任务时,分别使用两种折叠方式和三种刹车方式不同的轮椅进行实验,并在操作动作任务过程中采集sEMG和IMU信号,在实验任务结束后填写NASA-TLX量表。结果根据模型的评价指标对实验数据进行了比较与分析,横向收折式折叠和凹口式刹车(手刹位于前方)的轮椅疲劳度低,在3~4°坡度范围下轮椅使用者的受力最小,较为舒适,从而验证了模型在轮椅人机评价上的可行性,为优化轮椅设计提供参考。结论人机评价模型适用于评估产品绩效,同时提出的融合表面肌电和姿势信息的轮椅绩效评价方法具有较高的精度和准确性,能够有效地评估轮椅使用者的绩效水平。 展开更多
关键词 表面肌电 姿势信号 轮椅绩效 评价模型 惯性测量单元
下载PDF
基于黎曼普鲁克的手部离散动作识别方法
13
作者 王志恒 沈家和 +1 位作者 都明宇 杨庆华 《高技术通讯》 CAS 北大核心 2024年第8期854-863,共10页
肌电信号能反映人体的运动意图,是外骨骼和假肢控制的主要信号之一。但受试者间的差异,增加了基于表面肌电信号(sEMG)的手部离散动作识别使用成本。针对这一情况,本文从域适应的角度出发,提出一种基于小型调整集的迁移学习建模方法。该... 肌电信号能反映人体的运动意图,是外骨骼和假肢控制的主要信号之一。但受试者间的差异,增加了基于表面肌电信号(sEMG)的手部离散动作识别使用成本。针对这一情况,本文从域适应的角度出发,提出一种基于小型调整集的迁移学习建模方法。该方法利用黎曼普鲁克分析(RPA)提取黎曼特征与传统时域特征作为支持向量机(SVM)的输入特征,并通过实验验证了其识别精度。在10名受试者身上进行了实验,在黎曼特征下黎曼普鲁克分析相比于不进行迁移学习的动作识别方法提高了5%~7%的准确率。在特征空间分布上,黎曼普鲁克分析后的黎曼特征的重合度更高。结果表明,该方法在基于肌电信号的手部离散动作识别上有明显优势。 展开更多
关键词 表面肌电信号(semg) 黎曼普鲁克分析(RPA) 手势识别 支持向量机(SVM) 迁移学习
下载PDF
一种基于循环时空深度神经网络的手势识别方法
14
作者 杨旭升 范京哲 +1 位作者 胡佛 张文安 《传感技术学报》 CAS CSCD 北大核心 2024年第2期278-287,共10页
针对表面肌电信号解码模型因缺乏时空信息等重要性表征,面临解码精度低、鲁棒性差等问题,提出了一种基于循环时空深度神经网络的手势识别模型,来提高挖掘表面肌电信号的表征能力。首先,设计多通道卷积神经网络,并融入双向循环神经网络... 针对表面肌电信号解码模型因缺乏时空信息等重要性表征,面临解码精度低、鲁棒性差等问题,提出了一种基于循环时空深度神经网络的手势识别模型,来提高挖掘表面肌电信号的表征能力。首先,设计多通道卷积神经网络,并融入双向循环神经网络来提取强判别力的时空特征信息。其次,采用通道注意力机制来捕捉时空特征中通道重要性信息,设计基于时空特征的注意力模块以进一步增强时空特征信息。同时,基于特征金字塔网络思想来设计多尺度特征融合模块,从多尺度、多角度获取多级特征信息,提高模型对肌电信号的解码能力。最后,将所提出的手势识别模型在大型手势识别数据库Ninapro上进行测试,结果表明所提方法能有效提高对表面肌电信号的表征挖掘能力,为人体手势动作识别的深度学习建模工作提供借鉴意义。 展开更多
关键词 手势识别 表面肌电信号 神经网络 特征融合 注意力机制
下载PDF
基于改进ResNet50的表面肌电信号手势识别
15
作者 牛群峰 石磊 +3 位作者 贾昆明 桂冉冉 董鹏豪 王莉 《国外电子测量技术》 2024年第4期181-189,共9页
为了提高手势动作在类别众多且相似度高的情况下的识别精度,提出了一种基于连续小波变换和残差神经网络Res-Net50的表面肌电信号手势识别方法。首先对Ninapro DB2和DB3的原始表面肌电信号进行预处理和连续小波变换,得到Multi-sEMG Wavel... 为了提高手势动作在类别众多且相似度高的情况下的识别精度,提出了一种基于连续小波变换和残差神经网络Res-Net50的表面肌电信号手势识别方法。首先对Ninapro DB2和DB3的原始表面肌电信号进行预处理和连续小波变换,得到Multi-sEMG Wavelet Map数据集,然后送入改进的ResNet50模型进行识别分类。实验结果表明,改进后的ResNet50网络模型在Multi-sEMG Wavelet Map DB2和DB3中17种手势动作的平均准确率分别达到了96.40%和94.11%,相比ResNet50网络模型方法提升了4.87%和5.83%。实现了手势动作在类别繁多、相似度较高的情况下的精准识别。为基于非侵入式传感器和机器学习控制的假肢手提供了新方案。 展开更多
关键词 表面肌电信号 连续小波变换 Multi-semg Wavelet Map ResNet50
下载PDF
表面肌电与三轴信息融合的运动判断实验
16
作者 喻剑 李至霖 +1 位作者 庞鹏瞩 李洁 《实验室研究与探索》 CAS 北大核心 2024年第3期23-27,共5页
为了提高基于表面肌电与三轴加速度信号的运动识别准确率,提出了一套多源信息融合处理的实验流程与方法。该方法利用5层离散小波变换对表面肌电信号进行分解,充分提取不同运动产生的肌电信号中各频域的特征信息;再将分解后的表面肌电信... 为了提高基于表面肌电与三轴加速度信号的运动识别准确率,提出了一套多源信息融合处理的实验流程与方法。该方法利用5层离散小波变换对表面肌电信号进行分解,充分提取不同运动产生的肌电信号中各频域的特征信息;再将分解后的表面肌电信号与三轴加速度信号通过滑动窗口的方法进行特征融合,构造融合肌电与空间运动特征的特征图;最后用融合特征图对深度学习模型进行训练,并结合自动状态机进行最终运动状态的识别。实验结果表明,多源信息融合处理方法可以提高运动识别的准确性,总体识别精度分别达到了95.4%和89.2%。该方法在实时性与准确性上均有良好表现。 展开更多
关键词 多源信息融合 表面肌电信号 运动识别 时频分析 深度学习
下载PDF
易筋经特定动作“卧虎式”治疗非特异性腰背痛的结构方程建模及相关分析
17
作者 李翔 李超 +2 位作者 汤炳煌 张少伟 李天骄 《医用生物力学》 CAS CSCD 北大核心 2024年第2期299-304,共6页
目的从身体、行为、心理三方面进行多学科整体干预,阐释非特异性腰背痛(non-specific low back pain,NSLBP)的内在机制。方法收集易筋经特定动作“卧虎式”治疗NSLBP的相关表面肌电(surface electromyography,sEMG)信号、三维步态分析... 目的从身体、行为、心理三方面进行多学科整体干预,阐释非特异性腰背痛(non-specific low back pain,NSLBP)的内在机制。方法收集易筋经特定动作“卧虎式”治疗NSLBP的相关表面肌电(surface electromyography,sEMG)信号、三维步态分析系统信号、心理量表结论等,将收集数据通过结构方程方法分析、建模,形成“多裂肌-运动功能-生活质量”特征模型,以期阐述易筋经“卧虎式”训练治疗NSLBP的作用机制。结果NSLBP患者腰部L5~S1多裂肌sEMG信号与治疗前相比显著增加(P<0.05)。患者治疗后步幅、步频、步速、髋屈曲最大角度、膝屈曲最大角度均显著增加(P<0.05);支撑相、摆动相、踝跖屈最大角度均显著降低(P<0.05)。“卧虎式”训练前后患者SF-36评分生理、心理、精神、情感差异均有统计学意义(P<0.05);结构方程模型(structural equation model,SEM)表明平均肌电(average electromyography,AEMG)、步长对于Roland-Morris评分、SF-36评分均产生0.001水平的显著影响;AEMG、步长对于Roland-Morris评分、SF-36评分产生正向的影响关系;标准化载荷系数均大于0.6,模型拟合效果良好。结论SEM模型拟合效果良好,模型结果可靠,能够多层面有效阐述易筋经特定动作“卧虎式”治疗NSLBP的作用原理。 展开更多
关键词 易筋经 非特异性腰背痛 结构方程模型 步态分析 表面肌电
下载PDF
针迹类型对表面肌电用刺绣型织物电极性能影响
18
作者 王建萍 邵熠萌 +1 位作者 杨雅岚 何苑溪 《纺织学报》 EI CAS CSCD 北大核心 2024年第7期55-62,共8页
为设计与开发高性能的表面肌电用刺绣型织物电极,优化其工艺参数,采用镀银纱线作为导电刺绣线,以弹性针织面料作为刺绣基底织物,制备了4种不同针迹类型的刺绣电极,测试了其皮肤-电极阻抗,并在行走和慢跑2种状态下使用刺绣电极与Ag/AgCl... 为设计与开发高性能的表面肌电用刺绣型织物电极,优化其工艺参数,采用镀银纱线作为导电刺绣线,以弹性针织面料作为刺绣基底织物,制备了4种不同针迹类型的刺绣电极,测试了其皮肤-电极阻抗,并在行走和慢跑2种状态下使用刺绣电极与Ag/AgCl凝胶电极同步采集了小腿腓肠肌表面肌电信号,采用时域、频域及相关函数分析了刺绣电极与凝胶电极采集的肌电信号拟合性能。结果表明:针迹类型对刺绣电极的皮肤-电极阻抗有显著影响,其中放射状刺绣电极的皮肤-电极阻抗相对最小,而圆环状刺绣电极的阻抗最大;4种不同针迹类型的刺绣电极与Ag/AgCl凝胶电极的表面肌电信号采集效果较为相似,验证了刺绣电极的可行性;放射状刺绣电极的表面肌电信号拟合性能较优,更适合用于肌电信号监测。 展开更多
关键词 织物电极 刺绣 表面肌电信号 针迹类型 皮肤-电极阻抗
下载PDF
基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究
19
作者 李传江 吉星照 尹仕熠 《上海师范大学学报(自然科学版中英文)》 2024年第2期205-210,共6页
针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN(RNA)的表面肌电信号(sEMG)特征提取和分类算法.该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类.将RNA算法应用... 针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN(RNA)的表面肌电信号(sEMG)特征提取和分类算法.该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类.将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类.实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.0127,均显著优于传统单一算法,体现了较好的分类性能. 展开更多
关键词 表面肌电信号(semg) 特征选择 肌肉疲劳 模式识别
下载PDF
表面肌电信号手势识别算法综述
20
作者 王硕 程云章 《软件导刊》 2024年第2期215-220,共6页
随着人工智能技术的发展,深度学习在手势识别方面的识别效果得到显著提升。表面肌电信号是人体肌肉活动时产生的一种电生理信号,由于其非侵入性便于采集,现已作为康复辅具与假肢控制的一种信号来源。在应用表面肌电信号时,需要经过放大... 随着人工智能技术的发展,深度学习在手势识别方面的识别效果得到显著提升。表面肌电信号是人体肌肉活动时产生的一种电生理信号,由于其非侵入性便于采集,现已作为康复辅具与假肢控制的一种信号来源。在应用表面肌电信号时,需要经过放大滤波等预处理;然后进行特征提取以获取表面肌电信号在时域、频域及时频域的有效信息;最后将这些信息输入机器学习模型中,即可分析人体的相关肌肉运动,进而控制相关器械动作。为此,主要对特征提取及机器学习分类模型部分进行综述,阐述当前基于表面肌电信号手势识别的研究进展与未来发展方向。 展开更多
关键词 表面肌电信号 特征提取 机器学习 深度学习 手势识别
下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部