摘要：跌倒已经成为一种普遍危害老年人身心健康的事故,需要得到及时救治。设计了一种基于表面肌电(s EMG)和足底压力信号融合的跌倒检测系统。提取s EMG的近似熵及基本尺度熵特征,并根据足底压力的变化规律,提取动作信号段的压力特征,通过D-S证据推理将肌电信号与足底压力信号的SVM决策融合获得综合判别结果。实验结果表明,该方法对跌倒与ADL的平均识别率达到了91.7%,优于单一信源识别结果。

摘要：为了实现利用肌电信号识别的智能轮椅系统控制,提出一种基于空域相关滤波的小波熵和近似熵特征提取与分类方法.通过分布在人体肩颈部的电极采集动作并产生多通道表面肌电信号,采用阈值比较与移动平均的数据分段方法确定活动段的起点和终点,在小波变换尺度间相关滤波的基础上提取活动段数据的小波熵和近似熵特征,设计具有二叉树结构的孪生支持向量机多类分类器,以完成5种动作模式的识别,并在预设的实验轨迹上对智能轮椅进行测试.结果表明,所提出的方法在人体头部左、右转以及双肩上提和左、右肩上提等动作模式下对肌电信号的识别率均达到88.75%.

摘要：为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数(Product Functions,PFs),再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重(Laplacian score,LS)特征选择算法选定每路肌电信号的一个尺度排序熵为特征,并把该特征和加速度信号的排序熵组成特征向量.最后,根据类内欧氏距离和类间样本分布,设计了改进的二叉树支持向量机,把特征向量输入该支持向量机进行下肢运动模式分类.实验结果表明所提方法对七个日常动作的平均识别率达到98.62%,相较于其他方法有较高的识别率.

摘要：针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的s EMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.

摘要：为了使机械手灵巧、稳妥地抓取物体,设计了一种新型结构的单电机驱动4指12关节机械手爪.该手爪由电机驱动一根十字连杆,其端部分别连接4个手指的第1动力连杆;每个手指有3个指节,由2个平行四边形的指节结构确保手指末端做平移运动;每个手指的第2动力连杆具有延伸滑槽,当第2动力连杆运动时,经过特别设计的滑槽在固定支点滑动,可使手指末端匀速运动.该新型的单电机驱动手爪设计方案实现了机械手控制简单、抓握可靠的目的.

摘要：针对表面肌电信号非线性、噪声强等特点，设计一种快速有效的表面肌电信号手部多运动模式识别方法，用于肌电假手的实时控制。提出了一种基于经验模态分解样本熵和聚类分析的表面肌电信号多运动模式识别方法。该方法对动作持续阶段的信号首先进行经验模态分解，将其分解为多个平稳的固有模态函数（ IMF），再依据频率有效度选取若干个包含肌电信号有效信息的IMF分量求和后，计算其样本熵。以尺侧腕伸肌和尺侧腕屈肌两路肌电信号对应的EMD样本熵作为特征向量，设计了主轴核聚类算法的聚类分类器进行模式识别。成功识别了展拳、握拳、腕上翻和腕下翻4种动作，平均识别率达到93%。该方法取得了较高的识别率，抗干扰能力强，计算量少，可用于肌电假手的控制。

摘要：跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化,对8种动作进行识别实验,跌倒识别率88%,特异度98.3%,平均识别率97.0%,优于网格法和遗传算法支持向量机(GASVM)的参数优化,具有较强的鲁棒性和抗干扰能力。

摘要：设计了一种采用匹配滤波和独立分量分析消除表面肌电信号中工频干扰的新方法。采用匹配滤波可以有效判断表面肌电信号中是否含有工频噪声，从而避免不加区分地对表面肌电信号进行工频去噪。在确定含有工频噪声的前提下，采用独立分量分析，该方法不但能够有效地消除表面肌电信号中的工频噪声，且不会对表面肌电信号的其它频率成分造成明显的影响，取得了良好的工频去噪效果。这一设计思想在实际的表面肌电信号检测时取得了较好的实验结果。

摘要：为了提高复杂背景下面部信息的识别性能,提出了一种面向人脸特征点定位和姿态估计任务协同的深度卷积神经网络(DCNN)方法。首先从视频图像中检测出人脸信息;其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同优化,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息;最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析。实验结果表明:该方法在人脸特征点定位和姿态估计上表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度约16帧/s,具备一定的实用性。

摘要：50Hz工频干扰是表面肌电信号(SEMG)的主要干扰源之一,消除工频干扰是表面肌电信号处理中的一项重要技术。鉴于原有模拟信号调理电路在工频消噪这一环节上的不足,设计了一种50Hz数字陷波器用以消噪,减小干扰。实验证明,采用基于窗函数法的FIR原理设计的50Hz数字陷波器能有效滤除SEMG中的工频干扰并基本不影响50Hz周围有效SEMG的获取。