论文部分内容阅读
“脑卒中”（cerebral stroke）是一种急性脑血管疾病,是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病,脑卒中具有较高的发病率和死亡率,已成为造成人类死亡的主要原因之一。病后幸存下来的部分患者的自主运动功能未能得到恢复,患者正常的工作和生活受到严重影响,因此对其进行康复治疗对于减轻疾患,缓解家庭与社会负担显得意义重大,各学科也已开展针对脑卒中病人康复训练系统的研究。由于表面肌电信号易采集、能够直接反映肌肉状况等特点,因此对于康复训练研究有重大意义。表面肌电信号（suface Electromyography,sEMG）是肌肉在活动过程中,由表面电极在人体皮肤表面检测到的、参与肌肉活动的各个运动单元发放的运动单元动作电位在时间和空间上所合成的微弱的电信号。基于以上背景,本文主要利用表面肌电信号进行正常人体上肢动作识别和肌肉疲劳检测研究。主要工作如下:1、制定sEMG信号采集实验方案。提出采集人体上肢三块肌肉:肱二头肌、三角肌中部和肱三头肌的表面肌电信号,设计了十一种采集sEMG信号的上肢动作,构建本文的sEMG信号数据库。2、将改进TKE算法应用于sEMG信号起止点检测中。提出加入信息增益作为多阈值最佳判断标准,新算法提高了肌肉运动起止点检测的准确性和灵活性。3、提出了一种基于sEMG信号的肌肉疲劳检测方法研究。通过对sEMG信号提取MPF、MF、RMS和IEMG值,提出了一种估计肌肉疲劳出现时刻的方法,实验结果表明该方法具有一定的可行性。4、研究了基于sEMG信号的多种动作模式识别的方法。从时域、频域和时频域三个方面对sEMG信号提取了31种特征,分类器使用概率神经网络,进行单特征和多特征组合分类测试,对分类结果进行分析,特征组合WL+AR+db45RMS+MAV的分类正确率高且满足时间消耗的实时性要求,而且具有一定的抗噪能力。5、完成了基于sEMG信号的人体上肢动作实时识别软件开发。结合以上研究,提出使用MATLAB GUI开发基于sEMG信号的人体上肢实时动作识别软件,实现了对录入人员信息的增删改查和上肢动作的实时识别。