论文部分内容阅读
外骨骼机器人在现代生活中得到了广泛的应用,人机交互是外骨骼机器人发展中的重要一环,而人机交互中最为重要的则是获取人体的运动意图。表面肌电信号在肢体运动前就已经产生,能够高效、准确地反映人体的动作意图,此外,肌电信号依赖于运动相关的肌肉,而不是运动执行部分的肢体,截肢者也可进行采集,适用范围广泛。因此,本文选择采集表面肌电信号来识别人体的下肢动作意图。基于表面肌电信号的人体下肢动作识别技术在各种领域迅速发展,受到了广泛的关注。然而,现有的研究大多集中在离散动作识别上,忽略了动作切换的重要性。本文将人体下肢作为研究对象,以识别人体运动状态、控制外骨骼机器人为目标,分析表面肌电信号,主要工作概括如下:（1）针对下肢动作意图和复杂运动模式识别研究不足的问题,本文构建无约束的人体下肢动作数据集ULLM-sEMG,采集了18位受试者（13位男性,5位女性）共1440个样本,并针对该数据集提出一种角度辅助标注识别框架A3-SESL,在解决无约束的动作模式标注问题的同时,获得了较高的识别准确率;（2）为了提取出能够表征表面肌电信号特点的特征组合,本文重点研究了不同时域特征组合对表面肌电信号模式识别结果的影响;（3）为了验证本文提出的A3-SESL框架的有效性与可行性,设置对比实验对无约束的人体下肢动作进行识别,实验结果表明,采用A3-SESL框架进行标注可有效提高识别精度。此外,本文选择支持向量机、多层感知机、线性判别分析、随机森林在ULLM-sEMG数据集上和A3-SESL进行对比实验,实验结果表明A3-SESL的识别精度高于其他几个分类器,实验还对动作切换模式进行了分类,并进一步探究了其他因素对识别结果的影响。