摘要：在常规HHT滤波方法基础上,考虑semg信号频带分布特性,设计了一种新的HHT滤波方法.该方法设计了针对IMF分量的噪声能量抑制函数,用来抑制各分量可能包含的噪声,再将每个修正的IMF分量叠加,得到去噪后的semg信号.通过实验比较可以看出,考虑semg信号频带分布特性的HHT滤波方法可以一定程度上解决噪声与信号处于同一IMF上的情形,获得比常规HHT滤波方法更好的效果.

摘要：针对多通道信号检测系统在表面肌电信号semg(surface electromyography)信号检测分析中的应用,设计了一种基于LabVIEW的多通道semg信号检测系统。该系统由前置调理电路、数据接口卡以及LabVIEW软件编程部分组成。利用该系统采集并分析健康受试者完成指力跟踪动作时前臂指总伸肌上4通道semg信号时频域的特征值。实验结果表明,该系统能实现4通道semg信号的实时采集,并得到与手指力量相关的semg信号时域特征和频域特征,验证了所设计检测系统是可行的。

摘要：表面肌电(Surface electromyography,semg)信号直接、客观地反映了神经和肌肉的活动功能状态,已获得广泛应用。本文设计了一种semg信号采集电路并以单通道形式采集上肢5种动作的semg信号,经小波包变换提取6种特征(其中一种引自基于小波变换的特征提取方法)并分别结合PCA和KPCA进行处理;再分别用BP神经网络和SVM进行动作识别。此外,对比了小波变换的特征提取;讨论了KPCA与PCA在特征变换上的差异。所提取的基于小波包变换的6种特征有5种的识别率均超过95.7%,其中引入的高低频系数组合特征在BP神经网络下平均识别率超过99%。基于小波变换提取的5种特征经KPCA变换后也达到较高的识别率。实验结果表明,本文的semg信号采集方法及其特征提取方法均达到较好效果。

摘要：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。

摘要：为根据患者需求调整训练模式,提升康复机器人的个体适应性和应用效果,以下肢康复机器人为例,结合人机交互运动的协调一致性,将人机视为一个整体,简化为连杆和运动副的组合体,依据膝关节、髋关节及裸关节在矢妆面内的变化,引入拉格朗日方程对人机系统进行动力学建模;同时,融合semg和足底压力的特征,构建自适应性的人机交互控制策略,以实现主动、被动式训练的灵活调整;最后,采用虚拟样机技术,融合Pro/E、Mechanism/Pro及Adams软件联合构建康复机器人的虚拟样机,透过给定期望轨迹与实际轨迹的差异比较,分析康复机器人建模方法的可行性,并基于semg、和人机交互力等多源信号的运动识别算法,通过运动仿真实验,进行人体运动意图的实时解码。仿真结果表明,ADAMS仿真与运动学模型所得的驱动力矩基本一致,验证了该康复机器人设计的可行性,且基于semg信号的采集与分析,可准确识别人体运动意图,正确率在90%以上,可为针对性的康复训练提供有效支撑。