论文部分内容阅读
随着科学技术的迅猛发展，生物信息技术和电子技术的结合正在或者将要为人类的生产生活带来前所未有的变革。人们通过利用信号分析和处理的手段探取生命体的各种奥秘在当前已成为相关领域的热点和焦点。本文以云南省自然科学基金为背景，从人体肢体动作时所采集到的表面肌电信号出发，通过现代信号采集、处理和分析手段并结合模式识别的先进技术和经验初步对八种动作进行了分析和识别，旨在为假肢或生物特征人机接口的研究工作做出探索。
本文首先概括了基于表面肌电信号的动作识别在当前生活和生产中的重要意义。分析和总结了骨骼肌肌电信号产生和传播的机理;并分析了表面肌电信号的非平稳特性。自行设计了表面肌电信号的信号拾取和放大电路，研制了基于嵌入式系统的数据采集装置以及配套的PC上位机软件。对采集到的256ms信号(1KHz的采样频率)进行了时间、频率以及时频三个特征的分析，包括绝对平均值、信号长度、过零点次数、斜率变化的次数、自回归模型系数和小波变换系数的平均值共240个特征值的提取工作。利用相关的技术分析和证明了肌电信号这种非平稳的随机信号中“规律性”信息的存在，为后续分段处理提供有力的证据。最后，利用滑动求期望和方差的方法找到动作开始时的信号起点，为特征提取和识别进行信号同步。在此基础上对八种动作，每种动作有10个样本共80个样本空间进行了特征值提取并进行了PCA降维处理;将每种动作的前5个样本作为BP神经网络的训练集，后5个动作样本作为BP神经网络的测试集。通过实验表明，通过本文的这种方法可以达到96％的正确识别率。
在本文的最后进行了对所有工作的总结，并提出了将现在进行的分析移植到嵌入式系统中进行实现的可行性展望。