收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于脑血氧参数优化组合的多移乘行为脑力负荷评估

张雍  
【摘要】:人口老龄化是我国社会面临的重要问题之一,同时导致众多老年人群行动不便,提供柔顺、安全服务的辅助机器人是解决老年人群行动不便问题的重要方法。虽然基于使用者意图的柔顺性行走辅助方法已经得到了广泛研究,但对于起床、站立等从一种状态移动至另一种状态的移乘行为还未得到足够的研究。由于多移乘行为会对使用者的足底、腰背与腿部产生较大的冲击力,为此本实验室自主研发了多款福祉机器人,其中包括智能轮椅、智能病床、辅助站立机器人等,以实现日常生活基本行为辅助和移乘行为辅助。对于行走能力不足的人在完成任务时需要较大的脑力负荷与体力负荷,因此,针对多移乘行为的脑力负荷研究具有重要意义。传统的人机交互过程中使用者疲劳度的评价方法往往采用肌电信号与脑电信号,无法精确衡量使用者的脑力负荷。由于脑血氧信号可以精确显示脑区的活动且不受电干扰,已用于飞行员脑力负荷分析当中,因此本文提出采用脑血氧信号评价辅助移乘过程中的脑力负荷。首先,采用近红外光谱技术对脑血氧信号进行无损检测,为采集类似移乘行为过程中的脑血氧信号,设计了便于携带的板载运动姿态监测系统,实现移乘过程中的姿态辨识和时间校准。同时,采用高斯滤波算法平滑波形实现去除噪声的目的。其次,通过对受试者脑血氧信号进行时域分析、频域分析以及近似熵分析,提出一种使用优化特征参数组合建立脑力负荷评估模型的方法。分别通过支持向量机与线性判别分析算法,达到83.3%和80.5%的脑力负荷特征识别率,得到以均值和方差作为特征值输入支持向量机算法具有最高识别正确率的结论。然后,提取了受试者进行3级n-back任务时背外侧脑前额血氧的均值和方差特征值,将其输入支持向量机算法中进行分类,输出为脑力负荷的三个级别,标记为1级、2级和3级。同时,脑血氧含量对应着相应脑区的激活程度,如果某些运动姿态造成脑负荷敏感区的血氧含量高于静息值,则说明该动作引起了脑力负荷的增大。将脑力负荷级别与脑力负荷敏感区反应相结合,可以更准确地分辨不同状态下的脑力负荷大小。最后,设计实验研究移乘过程中影响脑力负荷的运动姿态,发现受试者使用病床辅助移乘时,其运动幅度变小、维度减少的同时脑力负荷敏感区激活程度变低,得出肢体的高维大幅度运动将大概率增加脑力负荷的结论。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 马旭霞;;支持向量机理论及应用[J];科学技术创新;2019年02期
2 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
3 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
4 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
5 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
6 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
7 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
8 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
9 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
10 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
11 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
12 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
13 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
14 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
15 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
16 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
2 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
3 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
4 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
5 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
6 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
7 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
8 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
9 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
10 阎满富;求解分类问题的支持向量机方法与应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 陈冰松;基于支持向量机的电网调度风险评估研究[D];浙江大学;2019年
2 瞿松;基于改进的支持向量机算法的涉密文件识别系统研究与实现[D];西安电子科技大学;2018年
3 张雍;基于脑血氧参数优化组合的多移乘行为脑力负荷评估[D];沈阳工业大学;2019年
4 王兴浩;基于改进型支持向量机的水质监测传感器自校正研究[D];北方工业大学;2019年
5 贾秀娟;基于支持向量机的股指期货交易策略研究[D];安徽大学;2019年
6 沈会;基于最小二乘支持向量机方法的统计优化预测模型[D];武汉理工大学;2018年
7 SABA ASLAM;基于特征提取的支持向量机股票市场预测模型[D];厦门大学;2018年
8 张娇阳;基于多核学习的支持向量机方法研究[D];北京建筑大学;2019年
9 王晨;基于交替乘子方向法的非平行支持向量机研究[D];浙江工业大学;2018年
10 张杰;基于半监督支持向量机的信用预测方法研究[D];武汉理工大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978