基于肌電信號的多模式人機接口研究.pdf

1、表面肌電信號記錄了在肌肉自主收縮時由肌肉纖維產生的電生理活動。它作為生物/機械人機接口的一種重要輸入信號在電動假肢手控制中得到了廣泛地應用，該方法也被稱作肌電控制。肌電人機接口的主要功能是識別肌電信號的動作模式，從而為肌電控制提供準確的動作指令。為能控制多自由度靈巧假肢手，人機接口系統(tǒng)需要從肌電信號中解碼出多種手部和腕部動作所對應的肌電模式，并保證其具有足夠的分類精度。本文將側重研究肌電特征提取和分類算法。主要的工作如下：
　　為

2、了從肌電信號中提取高階統(tǒng)計信息，本文采用雙譜變換來分析信號，并使用雙譜積分方法和Fisher線性判別投影方法提取雙譜矩陣中的特征量。在實驗中，我們采用Davies-Bouldlin系數(shù)和各種不同分類器來分析肌電高階信息對動作分類效果的影響。實驗結果表明雙譜特征在類-類分離性和動作識別率上要好于其它一階或二階肌電特征。
　　本文使用肌電信號的頻率信息來進行動作分類，提出一種從傅里葉系數(shù)中導出倒譜系數(shù)的特征提取方法，其計算主要采用快速

3、傅里葉變換和離散余弦變換實現(xiàn)。基于Fisher比例系數(shù)的特征選擇用來從倒譜系數(shù)中獲取具有最佳區(qū)分度的肌電特征。另外，我們還提出了一種特征層次的后處理方法來進一步增強肌電特征區(qū)分性。實驗說明倒譜特征不僅具有較高的動作識別率而且運算速度也比較快。
　　針對在動作開始階段的爆發(fā)態(tài)肌電信號具有較強的非平穩(wěn)特性的特點，本文提出一種結合復指數(shù)局部基函數(shù)（SLEX）和局部區(qū)分度最優(yōu)基算法的肌電信號處理方法。該算法將肌電信號分割成具有局部定位性的

4、時間塊，以提取其中的時變特征并進一步提高動作識別率。
　　為讓分類器適應肌電信號具有的時變特性，本文將研究一種自增強分類方法。該方法在靜態(tài)分類器中加入了一個自適應算法，能在測試階段對分類器參數(shù)進行更新，從而進一步提高分類器性能。本文提出的自增強方法的主要優(yōu)點是通過使用參數(shù)更新算法讓分類器具有自適應演化能力，從而增強人機接口的自適應性。
　　本文的主旨是通過理論與實踐相結合的分析比較，設計適合在肌電信號分類中使用的肌電特征和分