收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于粗糙集和支持向量机的表面肌电特征约简和分类研究

颜志国  
【摘要】: 表面肌电(surface electromyography, SEMG)信号是人体自主运动时神经肌肉活动发放的生物电信号,它反映了神经、肌肉的功能状态。SEMG信号在临床医学、运动医学、人机工效学、康复医学、神经生理学、电生理学等领域被广泛应用。SEMG在这些领域不断涌现的应用需求要求人们对SEMG信号的特征属性有更深入的了解,能够在更深层次更细致的提取和挖掘SEMG信号的本质特征。因此,新的信号处理手段在SEMG的识别和分类研究中扮演着一个至关重要的角色。本文从模式识别的两个重要方面――属性选择及其约简以及分类器训练算法设计入手,对SEMG信号的特征属性提取和表面肌电动作信号(Action SEMG)的模式识别方法进行了理论上的探索,所做的主要工作及创新之处如下: 首先,针对目前广泛应用的多通道采集技术,本文指出,由于表面电极的采集范围较大,这导致了在不同通道的信号间存在着一定程度耦合关系。在深入了解肌电信号产生的生理机理基础上,本文将独立分量分析理论引入到肌电信号分析领域,用于消除多通道肌电信号之间存在的时空耦合现象。通过信号复杂度分析,作者发现经过ICA解耦后的双通道肌电信号的复杂度有所下降,证明了ICA分析在多通道肌电信号的解耦中具有一定作用。 关于特征属性提取,本文对表面极电信号的非线性特征进行了研究,介绍了非线性熵、分形维数以及相空间重构,混沌动力学分析等理论在生物医学信号中的应用情况。作者比较分析了前人常用的几种经典的完全基于时域或者频域的算法,指出这些算法的局限性所在。针对传统算法的不足,本文提出了两种基于时频域的属性提取方法,分别是基于小波包分解的子带能量属性方法和基于经验模式分解(EMD)后提取AR模型系数的方法。本文给出了特征属性集可分离度的量化评测准则来衡量属性提取算法的有效性。另外,作者也考虑了算法的效率问题,分别考察了它们所耗用的时间。实验证明,基于WPT的小波子段正则化能量指标是较为有效的,且对象依赖性很小。作者指出,基于EMD-AR的属性提取算法的得到的属性集的聚类可分离度也较为良好,但计算时间明显较长,且受AR模型阶数和信号分段数等众多参数影响。另外,在本文中还研究了肌电信号的多分形维数特征,发现肌电信号的多分形维数特征对于动作不具备有效的区分性。 从减少冗余信息和实时在线识别的角度考虑,需要对提取的属性进行约简以加快计算速度,通过删除冗余信息增强系统鲁棒性。在本文中,作者将粗糙集理论用于属性约简,并与基于PCA的属性约简方法进行比较研究。这两种方法都是分类器无关的滤波器(Filter)式属性约简方法。为了衡量属性约简的效果,本文一方面分析了属性集约简后的分离度参数;另一方面,考虑到神经网络的非线性全局逼近性能,以神经网络为分类器,分别考察了这两种方法得到的约简集的分类性能。对比实验表明,PCA是一种线性变换,不能精细的提取非线性信号的本质特征。考虑到粗糙集理论主要是用于离散决策系统,本文对粗糙集的离散算法也做了研究,提出了基于K-means的连续属性离散化方法。 在分类器设计方面,本文主要研究了基于模糊逻辑的支持向量机。在采用训练集对分类器进行训练之前,作者先采用了基于粒子群优化(PSO)的聚类方法对训练集数据进行聚类分析。对于训练集上聚类正确的样本,作者选取各类的边缘样本和类中心样本作为支持向量,并赋予了不同的权值,用于训练支持向量机,以提高分类精度,增强泛化性能。根据这种方法,由于仅仅是选择了训练集上的边缘样本和中心样本作为支持向量训练支持向量集,这种方法能够大幅加快分类器的训练过程。同时,对比试验指出,相对于经典神经网络,模糊神经网络等基于误差反传算法的分类器而言,模糊支持向量机不容易陷于局部极小,也像神经网络那样对过训练或者欠训练情况较为敏感,具有更好的泛化性能。 目前,多通道多传感器实验配置已经得到广泛应用。另一方面,单分类器不能充分利用所有有效信息,且判断过于武断。为了进一步的考证Fuzzy LS-SVM的分类性能,本文把Fuzzy LS-SVM,ANN、ANFIS、CART等分类器的单独决策结果采用了基于模糊积分的多分类器融合算法进行决策融合,避免单个分类器的武断判断。实验表明,在测试集上分类正确的样本中,Fuzzy LS-SVM也分类正确的占98%以上,而其他的三类的正确率相差较远,体现了Fuzzy LS-SVM在多分类器信息融合决策过程中担负着分类导向作用,分类性能较其他分类器优良。 研究结果表面,多分类器融合算法能有效的弥补某一分类器参数不稳定或者结构性损坏下出现的错判现象。在分类性能提高的同时,计算耗时上相比单分类器要有所增加。本文指出,在四个分类器中,模糊支持向量机的识别度最高,分类结果最为可信。以上研究都是基于等长肌电信号,在实验中避免了疲劳现象的影响。 本文的创新主要表现在以下几个方面: I.将ICA和信号复杂度相结合用于信号的预处理过程的多通道解耦研究; II.将EMD和AR相结合的方法用于肌电信号属性提取研究,指出其具有较好的聚类分离度。 III.将粗糙集理论引入肌电研究领域进行属性约简。 IV.提出了基于PSO-ISODATA的支持向量预抽取准则。 V.研究了信息融合策略在肌电信号中的应用。以上简单介绍了本文的主要研究内容。本文的主旨就是基于粗糙集理论寻找最优属性子集,用聚类分类度来衡量属性集的可分性;采用PSO-ISODATA策略实现支持向量预抽取,采用了模糊支持向量机策略将普通的二类支持向量机拓展到多类分类领域;采用了信息融合的多分类器决策算法以弥补单分类器的缺陷。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李强;杨基海;梁政;;基于卷积混合盲源分离技术的表面肌电信号分解研究[J];中国生物医学工程学报;2006年04期
2 罗志增;李文国;;表面肌电信号脉搏伪迹的消除方法研究[J];传感技术学报;2008年09期
3 行鸿彦;侯进勇;;基于经验模式分解与独立分量分析的心电信号消噪方法[J];中国组织工程研究与临床康复;2009年04期
4 毕晓辉;邱天爽;朱勇;赵燕斌;;基于经验模式分解和独立分量分析的单导少次EP信号提取[J];中国生物医学工程学报;2008年06期
5 颜志国;王志中;任晓梅;;独立分量分析和小波熵在动作模式分类中的应用[J];北京生物医学工程;2006年05期
6 胡晓,王志中,颜志国;基于小波包熵的与动作相关表面肌电信号的分类[J];中国医学物理学杂志;2005年04期
7 卢蕾;殷涛;靳静娜;李颖;刘志朋;;采集表面肌电信号应用于动作识别的可行性[J];中国组织工程研究与临床康复;2011年22期
8 胡晓;李莉;任小梅;王志中;;基于小波系数熵的表面肌电信号识别[J];中国医学物理学杂志;2007年03期
9 张旭;杨基海;李强;陈香;;二阶统计量盲分离技术在表面肌电信号分解过程中的应用[J];北京生物医学工程;2007年03期
10 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期
11 龙飞,吴小培,范羚;基于独立分量分析的脑电噪声消除[J];生物医学工程学杂志;2003年03期
12 高诺,朱善安;独立分量分析及其在脑电逆问题中的应用[J];国外医学.生物医学工程分册;2003年06期
13 陈伟婷;王志中;胡晓;李晓浦;;基于熵的动态收缩sEMG信号疲劳特征分析[J];中国医学物理学杂志;2006年03期
14 刘明宇,王珏,魏娜,燕楠,郑崇勋;实时脑电信号眼电伪差去除方法的研究[J];西安交通大学学报;2004年12期
15 雷敏,王志中;替代数据法在肌电信号分析中的应用[J];上海交通大学学报;2000年11期
16 周卫东,2贾磊;小波变换和独立分量分析去除脑电信号中的噪声和干扰[J];山东大学学报(医学版);2003年02期
17 黄翠萍;基于独立分量分析的盲源分离技术[J];医疗设备信息;2003年07期
18 吴小培,冯焕清,周荷琴,李晓辉;结合小波变换和独立分量分析的脑电特征提取[J];仪器仪表学报;2004年01期
19 梅品高;罗志增;加玉涛;;一种消除表面肌电信号中工频干扰的方法[J];杭州电子科技大学学报;2008年02期
20 杨军;雷敏;;基于双谱分析的表面肌电信号模式识别[J];制造业自动化;2009年03期
中国重要会议论文全文数据库 前10条
1 董威;唐延东;;基于粗糙集和多Agent系统的知识挖掘[A];第七届全国信息获取与处理学术会议论文集[C];2009年
2 马玉良;赵光宙;;粗糙集理论及其在工程中的应用研究[A];第11届全国电气自动化电控系统学术年会论文集[C];2002年
3 刘碧森;姚宇;;粗SVM理论及其在税收预测中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年
4 杨斌;闫桦;;基于粗糙集理论的农业水价承受能力研究[A];第十一届中国管理科学学术年会论文集[C];2009年
5 朱江华;潘丰;;基于蚁群算法的粗糙集知识约简[A];2005年全国自动化新技术学术交流会论文集[C];2005年
6 盛立;刘希玉;高明;;基于粗糙集理论的数据挖掘算法研究[A];山东省计算机学会2005年信息技术与信息化研讨会论文集(二)[C];2005年
7 朱江华;潘丰;;基于蚁群算法的粗糙集知识约简[A];2005全国自动化新技术学术交流会论文集(二)[C];2005年
8 田库;王俊松;刘玉敏;刘玉亮;李建国;;基于粗糙集理论的神经网络优化设计及网络拥赛控制[A];第25届中国控制会议论文集(中册)[C];2006年
9 王刚;张志禹;;数据融合中粗糙集的应用技术研究[A];2006中国控制与决策学术年会论文集[C];2006年
10 张辉;钱宗才;屈景辉;刘敬华;;基于粗糙集理论的知识获取研究及应用[A];全面建设小康社会:中国科技工作者的历史责任——中国科协2003年学术年会论文集(上)[C];2003年
中国博士学位论文全文数据库 前10条
1 颜志国;基于粗糙集和支持向量机的表面肌电特征约简和分类研究[D];上海交通大学;2008年
2 孟宇;多维纹理合成及视频时域分割技术的研究[D];吉林大学;2007年
3 姚博;表面肌电信号分解算法及其在小儿脑瘫评诂中的应用[D];中国科学技术大学;2012年
4 周仲兴;复合下肢想象动作电位的特征识别新技术研究[D];天津大学;2009年
5 焦卫东;基于独立分量分析的旋转机械故障诊断方法研究[D];浙江大学;2003年
6 许宏吉;发射分集和波束形成优化设计及其盲接收技术研究[D];山东大学;2005年
7 林秋华;基于盲源分离的图像与语音加密新方法研究[D];大连理工大学;2006年
8 韩军;内燃机的非平稳信号分析方法及其噪声源小波识别技术的研究[D];天津大学;2004年
9 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年
10 齐郑;小电流接地系统单相接地故障选线及定位技术的研究[D];华北电力大学(北京);2005年
中国硕士学位论文全文数据库 前10条
1 吴永芬;粗糙集模型下的进化属性约简算法研究[D];南京师范大学;2008年
2 傅忠云;粒子群—神经网络混合算法及粗糙集理论在电力系统短期负荷预测中的应用[D];福州大学;2006年
3 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
4 卢蕾;基于表面肌电信号区分上肢动作的实验研究[D];北京协和医学院;2011年
5 徐颖洁;基于遗传算法和神经网络的表面肌电信号分析[D];上海交通大学;2011年
6 周成;基于独立分量分析的单通道语音降噪算法的研究[D];电子科技大学;2005年
7 何付志;独立分量分析在脑电信号分析中的应用[D];山东大学;2005年
8 张丽丹;基于监督独立分量分析的人脸识别[D];哈尔滨工程大学;2005年
9 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
10 王可;盲源分离技术在多通道信号处理中的应用[D];汕头大学;2004年
中国重要报纸全文数据库 前2条
1 本报记者 李智 通讯员 梁宪生;零的突破[N];山西经济日报;2001年
2 王玮 蔡莲红;数据挖掘走入语音处理[N];计算机世界;2001年
 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