肌音信號(hào)采集及其在假肢手控制中的研究應(yīng)用.pdf

1、肌音信號(hào)(Mechanomyographic，MMG)是人體發(fā)生動(dòng)作時(shí)由肌肉收縮產(chǎn)生的聲音信號(hào)，相比于其他生物電信號(hào)，肌音信號(hào)有較強(qiáng)的抗干擾，抗疲勞能力強(qiáng)，受環(huán)境干擾小，性價(jià)比較高等諸多優(yōu)點(diǎn)，而且信號(hào)中蘊(yùn)含了豐富的能夠反映人肢體的運(yùn)動(dòng)狀態(tài)的肌肉活動(dòng)信息，可以作為仿生假肢的控制信號(hào)源，并在實(shí)現(xiàn)假肢的多自由度控制上現(xiàn)出了良好的研究和應(yīng)用前景，特別是在康復(fù)工程中的智能假肢領(lǐng)域，關(guān)于肌音信號(hào)的研究取得了極大的發(fā)展，因而一種基于肌音信號(hào)的智能假肢

2、成為了研究熱點(diǎn)。本課題研究的課題為肌音信號(hào)采集及其在假肢控制中的研究應(yīng)用。課題通過(guò)肌音傳感器采集人手前臂特定肌肉振動(dòng)信號(hào)作為假肢手信號(hào)源，通過(guò)算法對(duì)不同手勢(shì)動(dòng)作信號(hào)進(jìn)行分類(lèi)實(shí)現(xiàn)假肢手勢(shì)動(dòng)作模式分類(lèi)，并在結(jié)合PC端開(kāi)發(fā)相應(yīng)的假肢手控制系統(tǒng)進(jìn)行驗(yàn)證。
　　本文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　(1)、本課題研究中選取Xsens公司開(kāi)發(fā)的MEMS型三維加速度傳感器來(lái)采集肌音信號(hào)。針對(duì)肌音信號(hào)的非線性非平穩(wěn)特性，容易混入與有效肌音信

3、號(hào)頻譜范圍重疊的噪聲信號(hào)，考慮到傳統(tǒng)濾波器的局限性，課題著重研究了一種新的信號(hào)處理方法，即通過(guò)將經(jīng)典切比雪夫帶通濾波器和經(jīng)驗(yàn)?zāi)B(tài)分解方法相結(jié)合來(lái)處理加速度信號(hào)中的噪聲信號(hào)，提高肌音信號(hào)信噪比。
　　(2)、關(guān)于肌音信號(hào)的手勢(shì)動(dòng)作模式分類(lèi)模型的研究，針對(duì)傳統(tǒng)的淺層神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練速度慢，易陷入局部最小值的缺陷，課題設(shè)計(jì)了一種基于限制玻爾茲曼機(jī)(Restricted Boltzmann Machine，RBM)的深度信念網(wǎng)絡(luò)模型作為肌

4、音假肢手勢(shì)動(dòng)作識(shí)別的模型，該模型逐層分別對(duì)每一個(gè)RBM模型進(jìn)行單獨(dú)訓(xùn)練，直到完成最頂層的RBM模型，訓(xùn)練好的RBM模型即可構(gòu)成深度信念網(wǎng)絡(luò)，通過(guò)反向傳播對(duì)網(wǎng)絡(luò)模型微調(diào)，則可得到最優(yōu)的深度信念網(wǎng)絡(luò)識(shí)別模型。將提取得到的肌音信號(hào)手勢(shì)動(dòng)作數(shù)據(jù)樣本的小波系數(shù)能量特征輸入模型訓(xùn)練學(xué)習(xí)，實(shí)現(xiàn)對(duì)肌音信號(hào)的分類(lèi)識(shí)別。通過(guò)仿真實(shí)驗(yàn)，和傳統(tǒng)淺層神經(jīng)網(wǎng)絡(luò)相比，該算法的時(shí)間效率明顯縮短，并取得了更好的識(shí)別率，過(guò)擬合現(xiàn)象得到緩解。
　　(3)、考慮到該模型