论文部分内容阅读
人体下肢表面肌电信号(Surface Electromyogram Signal)是由于人在正常行走、跳跃和下蹲运动时,通过肌肉收缩和舒张时产生的,并且能通过下肢肌电传感器采集到的一种轻微的生物电信号,其过程中的电信号获取十分便捷、对人体无伤害,现在大范围的使用于医疗保健、军事工业和AI制造业等等。人体下肢肌肉的肌电信号在柔性助力服的柔顺控制系统领域里面还处于初级发展阶段,相应的各种技术仍然不是十分成熟,距离实际的生产应用还存在一定的差距。本文的研究目的是希望基于表面肌电信号的柔性助力服能够在运动助力上得到推广和使用,首先对人体下肢步态进行了划分,并且对下肢肌电传感技术进行了研究,然后,使用非局部小波变换域的算法对表面肌电信号进行降噪,并对人体下肢八块肌肉的表面肌电信号运用优化后的BP神经网络进行运动辨识。本文的内容分为以下几个部分:1)首先对人体下肢肌电传感技术进行了研究,通过对人体髋部、大腿、小腿和足部肌肉群进行了生理医学上的学习与分析,并且分析了下肢在行走时,各个关节的运动机理,再对人体下肢步态动作进行了划分。采用Open Sim软件对人体下肢肌肉进行建模和仿真,并对阵列式和分布式这两种布局进行比较,从而确定了下肢肌电传感器贴片的布局,再对人体下肢表面肌肉的肌电信号进行了采集和处理。2)分析了表面肌电信号常用的几种特征提取方法,一般有积分肌电值(iEMG)、过零点数(ZC)、方差(VAR)、标准差(SD),并分别采用这几种方法对采集到的表面肌电信号进行特征提取。采用了非局部小波变换域的滤波方法对sEMG信号预处理方法,通过对实测sEMG数据进行降噪处理,实验结果显示,该降噪方法取得了较好的效果。3)采用K近邻算法和支持向量机对人体下肢步态相位辨识准确率进行了对比,两者都具有较高的辨识率,然后将优化后的BP神经网络对已得到的下肢运动的七种动作模式进行运动辨识,通过测试,达到了不同的预测效果,最后得出了优化后的BP神经网络在分类识别问题上具有更佳的预测效果,比传统的BP神经网络的识别率高5.1%,出其平均识别率为93.7%。