论文部分内容阅读
当人通过大脑想象做某个动作时,比如张开手,来自大脑的神经信号会传递到手部神经,让其处于兴奋状态,支配肌肉进行收缩。人体肌肉的收缩时会产生微弱的生物电信号的同时,也会把肌肉纤维的的横向振动以一种形式传播出去,这种肌纤维的横向振动信号的传播形式被称为肌动信号(Mechanomyograph, MMG)。把加速度传感器通过双面粘附纸粘附在肌肉表面上，传感器可以很牢固地固定在肌肉上，这样就可以通过它来采集MMG信号。MMG信号是最能反映肌肉特性的一种信号,被广泛应用于肌肉疾病、帕金斯疾病等研究领域中。和肌电信号(Electromyogragy,EMG)一样,MMG信号也是肌肉收缩时产生的。所以MMG信号在近些年被以一种新的假肢控制研究方向在假肢控制学术领域提出来,并得到相关学者广泛的关注。 本文在广大学者对MMG信号应用于动作识别分类的基础上，进一步探索以MMG信号作为假肢控制源信号实现假肢实时控制的方法。通过对假肢控制研究的调研,借鉴基于表面肌电(EMG)信号对假肢控制的研究方法,对MMG信号处理分析,寻找到适合在MMG信号对假肢的实时控制时比较的两个时域特征。为了能够进一步说明MMG信号在假肢控制研中起到理想的作用,本课题基于MMG信号作为源控制信号的思想,利用Matlab等软件开发了一套适用于MMG信号的采集系统,并通过线性LDA算法的分析,对MMG信号假肢控制动作分类进行离线分析,证明了MMG信号基于幅值和方差两个特征的动作分类精度完全满足假肢控制的要求。 为了进一步验证实验的结论,使用Matlab及 VR工具箱开发了适合截肢者认知动作恢复的虚拟假肢控制系统。通过改变相应的参数,根据使用者的意愿,对不同的动作类型实现假肢虚拟控制。最后通过对MMG信号和EMG信号对假肢控制中动作分类精度的对比,从实验的角度定量地描述及证明了MMG信号控制假肢的可行性。