基于表面肌電信號(hào)的人手動(dòng)作模式識(shí)別和抓取力預(yù)測(cè)技術(shù)研究.pdf

1、表面肌電信號(hào)（surface electromyography,sEMG）是由肌肉興奮時(shí)募集的多個(gè)運(yùn)動(dòng)單元產(chǎn)生的動(dòng)作電位在表面電極處的綜合疊加。目前，基于sEMG的智能假肢已成為研究熱點(diǎn)。遺憾的是，大部分的研究都傾向于識(shí)別人手動(dòng)作模式，卻很少對(duì)假肢手抓取物體時(shí)所應(yīng)該施加的力進(jìn)行預(yù)測(cè)估計(jì)，從而難以研制出更加精確抓取任務(wù)的智能假肢手。本文的目的在于探索一種基于sEMG的手部抓取動(dòng)作識(shí)別以及抓取力預(yù)測(cè)的方法，本文研究的主要內(nèi)容有：
　　

2、（1）在采用6階巴特沃斯帶通濾波與快速獨(dú)立成分分析（FastICA）相結(jié)合的方法對(duì)sEMG進(jìn)行預(yù)處理的基礎(chǔ)上；采用小波包結(jié)合樣本熵的特征提取方法得到sEMG的標(biāo)準(zhǔn)樣本熵（SSE）特征；然后采用SVM模型分類器進(jìn)行基于兩通道與四通道sEMG的抓取動(dòng)作模式識(shí)別。
　?。?）分別在隨意與規(guī)定抓取模式下，選取sEMG的標(biāo)準(zhǔn)樣本熵為特征，采用AGA--SVR預(yù)測(cè)模型進(jìn)行抓取力預(yù)測(cè)實(shí)。預(yù)測(cè)精度優(yōu)于傳統(tǒng)的采用sEMG幅值或MAV特征進(jìn)行抓取力預(yù)

3、測(cè)。
　?。?）設(shè)計(jì)了基于 MATLAB-GUI的實(shí)驗(yàn)平臺(tái)，詳細(xì)分析了抓取模式識(shí)別和抓取力預(yù)測(cè)的精度，驗(yàn)證了本文方案的可行性：
　　在基于sEMG手部抓取動(dòng)作識(shí)別平臺(tái)進(jìn)行驗(yàn)證實(shí)驗(yàn)，結(jié)果得出基于兩通道的4種抓取動(dòng)作模式的正確識(shí)別率大于92％，進(jìn)一步的交叉驗(yàn)證試驗(yàn)結(jié)果的最低識(shí)別率為90%，驗(yàn)證了該分類器的良好性能；基于四通道的實(shí)驗(yàn)結(jié)果得到每種抓取動(dòng)作模式的正確識(shí)別率均大于96%，表明適當(dāng)增加電極的個(gè)數(shù)所得正確識(shí)別率有所提高。在隨

4、意抓取模式下基于二通道的力預(yù)測(cè)實(shí)驗(yàn)結(jié)果表明sEMG的幅值能夠反映抓取力大小的變化；AGA--SVR預(yù)測(cè)模型的回歸精度優(yōu)于 BP算法預(yù)測(cè)模型；基于四通道的力預(yù)測(cè)實(shí)驗(yàn)結(jié)果表明其預(yù)測(cè)精度優(yōu)于基于兩通道的力預(yù)測(cè)。在規(guī)定抓取模式下基于四通道的力預(yù)測(cè)實(shí)驗(yàn)結(jié)果表明其力預(yù)測(cè)的精度優(yōu)于隨意抓取模式下的力預(yù)測(cè)；采用基于四通道sEMG的MAV特征進(jìn)行力預(yù)測(cè)的精度要優(yōu)于直接用sEMG的幅值進(jìn)行力預(yù)測(cè)，而采用sEMG的SSE特征進(jìn)行力預(yù)測(cè)的精度則又優(yōu)于用sEMG