收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

肌电信号多类特征分析及在步态识别中的应用

郑潇  
【摘要】:人体行走时,运动神经元释放电脉冲,引起肌肉产生动作电位。该动作电位沿肌纤维传播,并经过时间和空间上的叠加,形成肌电信号(EMG)。肌电信号包含大量与人体运动状态有关的生理信息,体现运动模式的组合及分解关系,预示肢体运动意图,在临床医学诊断、人体运动模式识别以及新型人机接口设计等领域得到广泛应用。不同运动模式间的差异可通过肌电信号特征的不同来体现,基于该特征可以对人体运动状态进行识别研究。本文结合人体运动实际,设计实验采集下肢相关肌肉所产生的表面肌电信号,并以此为研究对象,对如何更加有效地提取肌电信号特征,以及如何更好地识别下肢运动步态进行深入讨论和研究。首先,分析原始肌电信号中所含具体噪声,在比较常见消噪方法特点的基础上,采用小波模极大值算法对肌电信号进行预处理,使得消噪后信号既保留肌电信号本身特性,又增大了信噪比,波形曲线更加光滑,有利于后续特征提取和模式识别。其次,针对肌电信号自身非稳定、混沌的特点,应用Katz算法提取其非线性分形维数,对肌电信号整体复杂度进行深入研究,从更高维度分析信号特征,捕捉信号细节变化。同时,计算绝对值均值和方差两大时域特征,并以此构造特征向量集,用于后续步态识别。然后,针对分类器性能优化问题,采用遗传算法(GA)优化支持向量机(SVM)惩罚参数和核函数参数,构造GA-SVM分类器,并结合下肢步态识别实际,设置参数初始值,进行下肢步态识别。实验结果表明,优化后SVM分类器识别率更高,且稳定性和泛化能力更强。最后,针对多维肌电信号非线性特征分类问题中,定性分析方法效果差,易受边界值和交叉点干扰的缺陷,采用改进K均值算法进行定量分析。改进K均值算法基于样本分布密度和散度,对初始聚类中心的选择进行优化,排除孤立噪声点的干扰。实验结果表明,改进K均值算法分类正确率高,收敛速度快,具有良好应用效果。本文系统地研究了基于肌电信号的下肢步态识别问题,并对解决该问题的各环节进行深入探讨分析。采用小波模极大值方法,对原始肌电信号所含噪声进行有效去除,既保留信号本身特性,又增大了信噪比;提取绝对值均值和方差两大时域特征,并计算非线性分形维数,深层次地认识了肌电信号特性;构造GA-SVM分类器,提升了SVM的应用效果;采用改进K均值算法对肌电信号非线性分形维线性特征进行聚类分析,取得了理想效果,并且加快了收敛速度。上述工作对于肌电信号在临床诊断、医学评价以及智能康复设备等领域的应用具有重要价值。


知网文化
【相似文献】
中国期刊全文数据库 前12条
1 张元元;姜树明;魏志强;张建峰;许世杰;;基于步态的身份识别研究综述[J];山东科学;2012年03期
2 王云;赵秀萍;宋军;;运用常用软件对模糊监控录像中步态周期的研究[J];科技信息;2014年03期
3 王运成;;基于动态二维图像序列的三维步态识别方法[J];科技通报;2013年10期
4 陈心浩;黄正华;高智勇;朱小祥;;基于特征融合的步态识别研究[J];中南民族大学学报(自然科学版);2010年01期
5 王立;;步态识别及其在智能视频监控中的应用[J];淮北煤炭师范学院学报(自然科学版);2010年03期
6 李瀚霖;许林娜;王嘉楠;;步态识别在煤矿井下人员特征提取中的应用[J];科技致富向导;2011年24期
7 陈璇;吴清江;路远;;角度与动态时间归一化的步态识别[J];华侨大学学报(自然科学版);2010年01期
8 林敏;郑继绍;;静态特征和动态特征融合的步态识别[J];贵州大学学报(自然科学版);2010年03期
9 程琼;付波;;基于Hilbert-Huang描述子的步态识别方法[J];武汉大学学报(理学版);2008年01期
10 邹晶晶;;基于不变矩和SVM的步态识别[J];山西科技;2008年05期
11 王琨;王年;鲍文霞;苏亮亮;;一种步态触觉特征识别算法[J];安徽大学学报(自然科学版);2013年05期
12 ;[J];;年期
中国重要会议论文全文数据库 前8条
1 邓玉春;刘世平;;自动步态识别方法研究综述[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
2 何卫华;李平;文玉梅;叶波;袁海军;;运用下肢关节角度信息进行步态识别[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 肖军;苏洁;郑波;贾鹏宇;;智能仿生腿在不同路况下的步态识别系统研究[A];2007中国控制与决策学术年会论文集[C];2007年
4 张聪;明东;万柏坤;;基于小波描述子和人体骨架模型的多视角融合步态识别[A];天津市生物医学工程学会第29届学术年会暨首届生物医学工程前沿科学研讨会论文集[C];2009年
5 朱京红;方帅;高明;方杰;;基于人工免疫模型的步态识别方法[A];第十四届全国图象图形学学术会议论文集[C];2008年
6 叶波;文玉梅;李平;;基于核主元分析和支持向量机的步态识别算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 王科俊;阎涛;吕卓纹;;基于耦合度量学习的特征级融合方法及在步态识别中的应用[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
8 王科俊;贲晛烨;;基于线性插值的特征模板构造的步态识别算法框架[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
中国博士学位论文全文数据库 前10条
1 刘磊;基于多源信息的步态识别算法研究[D];河北工业大学;2015年
2 余杰;基于视频的人体目标跟踪与识别技术研究[D];电子科技大学;2016年
3 贲晛烨;基于人体运动分析的步态识别算法研究[D];哈尔滨工程大学;2010年
4 曾玮;基于确定学习理论的人体步态识别研究[D];华南理工大学;2012年
5 张元元;基于序列统计特性的步态识别算法研究[D];山东大学;2010年
6 赵国英;基于视频的步态识别[D];中国科学院研究生院(计算技术研究所);2005年
7 薛召军;基于小波变换和支持向量机相结合的步态识别新方法研究[D];天津大学;2007年
8 胡荣;人体步态识别研究[D];华中科技大学;2010年
9 顾磊;基于图像序列的人体步态识别方法研究[D];南京理工大学;2008年
10 刘海涛;基于立体视觉的步态识别研究[D];中国科学技术大学;2010年
中国硕士学位论文全文数据库 前10条
1 陈夏辉;步态识别的若干关键技术研究[D];华南理工大学;2015年
2 王奎;一种基于特征曲线匹配的快速步态识别方法研究[D];大连海事大学;2015年
3 杨亚洲;基于人体轮廓特征的步态识别技术研究[D];国防科学技术大学;2013年
4 马晓龙;基于MIMU的单兵室内导航算法研究[D];国防科学技术大学;2013年
5 衣美佳;步态识别关键技术研究[D];南京邮电大学;2015年
6 杨楠;基于视触觉多特征融合的步态识别方法研究[D];河北工业大学;2015年
7 周浩理;复杂背景下多特征融合的人体步态识别研究[D];海南大学;2016年
8 李雪燕;视频监控中人体步态识别方法研究[D];长春工业大学;2016年
9 潘秀芳;基于手机的步态识别研究[D];燕山大学;2016年
10 罗璨;存在干扰因素情况下的步态识别统动力学初步探索[D];苏州大学;2016年
中国重要报纸全文数据库 前2条
1 编译 刘东征;新型“步态密码”给手机加把锁[N];北京科技报;2005年
2 若水;分析步态识别身份[N];光明日报;2003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