肌音信号模式识别及其在假肢手操控中的应用研究

【摘要】：每年由于交通事故,战争等原因导致的大量截肢者是一个重大的社会问题,而假肢技术的发展在较大程度上能够减轻或消除截肢者因肢体残疾导致的损伤和不便,假肢手的应用具有良好的社会价值和经济价值。肌音信号是人体肌肉在收缩和放松时因肌肉振动而产生的机械信号,而基于肌音信号的相关分析技术在假肢手研究中的进展成为近年来又一新的研究方向。本课题主要研究利用手部活动时肌肉发出的肌音信号,经过预处理后,对其包含的手部动作信息进行识别,建立模式识别和学习模型,得到人可理解的信息,并用作控制假肢手或者其他康复器械的控制输入信号。 本研究中,研究者利用两个加速度传感器采集14位试验者前臂上桡侧腕屈肌和指总伸肌两处的肌音信号,对于分割得到的手部动作肌音信号,提取若干个时域和频域基本特征,再用主成分分析,偏最小二乘回归,费希尔判别分析和核广义判别分析等四种特征优化方法对这些基本特征进行优化处理,以获得低维和类别可分性更好的新特征。最后用二次分类器对优化过的新特征进行模式识别试验,并用10重交叉验证评估试验结果的准确率。试验结果表明双通道肌音信号的基本特征经四种方法分别优化后,得到的四个手部动作模式识别的平均准确率都在89%或以上,其中核广义判别分析能够达到95.12±3.83%的识别准确率,均明显优于单通道的识别准确率。基于MATLAB实时数据采集工具箱的假肢手操控试验结果验证了在实时条件下,肌音信号能作为假肢手的可靠控制信号源。