肌电信号多类特征分析及在步态识别中的应用

《肌电信号多类特征分析及在步态识别中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文题目:肌电信号多类特征分析及在步态识别中的应用研究生郑潇专业控制工程指导教师高发荣副教授完成日期2016年3月杭州电子科技大学硕士学位论文肌电信号多类特征分析及在步态识别中的应用研究生：郑潇指导教师：高发荣副教授2016年3月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterAnalysisofMulti-featuresandApplicationofGaitRecognitionBasedonElectromyographicSignals

2、Candidate:ZhengXiaoSupervisor:AssociateProf.GaoFarongMarch，2016杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中己经注明引用的内容外，本论文不含任何其他个人或集体己经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均己在文中Ｌ乂明确方式标明。一申请学位论文与资料若有不实之处，本人承担切相关责任。论文作者签名；日期：如／＾年＾月Ｉ口日

3、言文為＾学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，旨Ｐ；研巧生在校攻读学位期间论文王作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大。学校有权保留送交论文的复印件，允许查阅和借阅论文学；学校可公布论文的全部或部分内容，可Ｗ允许采用影印、缩印或其它复制手段保存论文。（保密论文在解密后遵守此规定）２＾１＾。论文作者签名：日期：年月）日＾却畔指导教师签名曰期：年月ｂ曰＾ｊ杭州电子科技大学硕士学位论文摘

4、要人体行走时，运动神经元释放电脉冲，引起肌肉产生动作电位。该动作电位沿肌纤维传播，并经过时间和空间上的叠加，形成肌电信号(EMG)。肌电信号包含大量与人体运动状态有关的生理信息，体现运动模式的组合及分解关系，预示肢体运动意图，在临床医学诊断、人体运动模式识别以及新型人机接口设计等领域得到广泛应用。不同运动模式间的差异可通过肌电信号特征的不同来体现，基于该特征可以对人体运动状态进行识别研究。本文结合人体运动实际，设计实验采集下肢相关肌肉所产生的表面肌电信号，并以此为研究对象，对如何更加有效地提取肌电信号特征，以及如何更好地识别下肢运动步态进

5、行深入讨论和研究。首先，分析原始肌电信号中所含具体噪声，在比较常见消噪方法特点的基础上，采用小波模极大值算法对肌电信号进行预处理，使得消噪后信号既保留肌电信号本身特性，又增大了信噪比，波形曲线更加光滑，有利于后续特征提取和模式识别。其次，针对肌电信号自身非稳定、混沌的特点，应用Katz算法提取其非线性分形维数，对肌电信号整体复杂度进行深入研究，从更高维度分析信号特征，捕捉信号细节变化。同时，计算绝对值均值和方差两大时域特征，并以此构造特征向量集，用于后续步态识别。然后，针对分类器性能优化问题，采用遗传算法(GA)优化支持向量机(SVM)惩

6、罚参数和核函数参数，构造GA-SVM分类器，并结合下肢步态识别实际，设置参数初始值，进行下肢步态识别。实验结果表明，优化后SVM分类器识别率更高，且稳定性和泛化能力更强。最后，针对多维肌电信号非线性特征分类问题中，定性分析方法效果差，易受边界值和交叉点干扰的缺陷，采用改进K均值算法进行定量分析。改进K均值算法基于样本分布密度和散度，对初始聚类中心的选择进行优化，排除孤立噪声点的干扰。实验结果表明，改进K均值算法分类正确率高，收敛速度快，具有良好应用效果。本文系统地研究了基于肌电信号的下肢步态识别问题，并对解决该问题的各环节进行深入探讨分析

7、。采用小波模极大值方法，对原始肌电信号所含噪声进行有效去除，既保留信号本身特性，又增大了信噪比；提取绝对值均值和方差两大时域特征，并计算非线性分形维数，深层次地认识了肌电信号特性；构造GA-SVM分类器，提升了SVM的应用效果；采用改进K均值算法对肌电信号非线性分形I杭州电子科技大学硕士学位论文维线性特征进行聚类分析，取得了理想效果，并且加快了收敛速度。上述工作对于肌电信号在临床诊断、医学评价以及智能康复设备等领域的应用具有重要价值。关键词：步态识别，肌电信号，分形维数，遗传算法，支持向量机，K均值聚类II杭州电子科技大学硕士学位论文AB

8、STRACTTheEMGsignalisgeneratedfromtheactionpotentialinmotorunitsbymusclesshrinkingwithwalking.EMG