面向仿人手的表面肌電信號的模式識別研究.pdf

1、表面肌電信號是人體肌肉運(yùn)動時所產(chǎn)生的電位信號。人體上肢不同的運(yùn)動模式所表現(xiàn)出的表面肌電信號也不同。據(jù)此,通過對表面肌電信號進(jìn)行模式識別來辨識不同的動作模式。對于利用表面肌電信號控制人工機(jī)械臂,表面肌電信號的特征提取以及模式分類是十分關(guān)鍵的。本文利用表面肌電信號采集儀器,從受試者上肢提取內(nèi)旋、外旋、握拳、展拳、上切、下切六種動作的表面肌電信號。并利用計算機(jī)軟件對六種動作模式進(jìn)行時域特征、頻域特征、時頻域特征、非線性特征參數(shù)的提取,并首次提

2、出了基于模糊邏輯的雙通道能量比和雙通道能量差兩個特征參數(shù)。基于1和2通道平均能量,及其雙通道平均能量比和雙通道平均能量差作為表面肌電信號的四個參數(shù),分別利用本文所提出的基于模糊數(shù)學(xué)以及決策樹的分類器進(jìn)行模式識別。其中基于模糊數(shù)學(xué)的分類器是一種采用了全新的處理數(shù)據(jù)的方法。該方法不同于傳統(tǒng)的基于模糊邏輯對數(shù)據(jù)進(jìn)行模糊化處理方式,而是首先將6種動作歸為一個動作集合,然后將該集合劃分為N個子區(qū)間,計算出每個子區(qū)間內(nèi)各動作的分布率,并以該分布率作

3、為該動作在此區(qū)間內(nèi)的隸屬度,最后以四個特征的隸屬度之積的大小作為判別依據(jù),取乘積最大的動作做為最后的識別結(jié)果,該分類器得到的動作平均識別率為85.67％。此分類器結(jié)構(gòu)簡單,計算方便,但對于小數(shù)據(jù)量的識別率還不是很高。而基于模糊C-均值算法的模糊聚類方法,利用通道1和通道2平均能量作為表面肌電信號的特征,其6種動作的平均識別率可以達(dá)到91.33%。雖然,識別率較模糊數(shù)學(xué)分類器提高很多,但是,其數(shù)據(jù)訓(xùn)練時間長,結(jié)構(gòu)復(fù)雜,而且對于某些動作的識

4、別率也不高,影響了其實用性?；跊Q策樹的分類器分為兩種,分別是1對1決策樹、1對多決策樹。1對1決策樹分類器依據(jù)人們區(qū)分不同事物時的二元思維方式,即非此即彼的思維方式。將6種動作以二叉樹的形式向下劃分,并最終識別出6種動作。它所得到的平均分類識別率只有81%,其優(yōu)點(diǎn)在于符合人們的思維習(xí)慣,缺點(diǎn)是結(jié)構(gòu)復(fù)雜,并且對混疊區(qū)域數(shù)據(jù)的處理能力差?；?對1決策樹出現(xiàn)的問題進(jìn)行改進(jìn)得到1對多決策樹分類器,其分類思想講求一次性解決所有分類問題,其優(yōu)點(diǎn)