基于模式識(shí)別的上肢康復(fù)機(jī)器人肌電控制研究.pdf

1、傳統(tǒng)治療偏癱的方法多是通過理療師手把手的指導(dǎo)或借助一些簡(jiǎn)單的自動(dòng)化設(shè)備，但往往因效率低下或患者的抵觸情緒導(dǎo)致康復(fù)訓(xùn)練失敗?；谀Ｊ阶R(shí)別的肌電控制上肢康復(fù)機(jī)器人，為解決偏癱患者的康復(fù)訓(xùn)練問題提供了一種有效的解決方法，有很大的應(yīng)用前景。本文主要從特征值提取和模式分類器設(shè)計(jì)兩個(gè)方面對(duì)肌電控制進(jìn)行研究，以篩選出對(duì)目標(biāo)動(dòng)作識(shí)別率高的特征值和分類器組合，并建立一套上肢康復(fù)機(jī)器人實(shí)時(shí)肌電控制系統(tǒng)，為肌電控制上肢康復(fù)機(jī)器人的臨床應(yīng)用奠定理論基礎(chǔ)和技術(shù)支

2、持。
　　根據(jù)肌電信號(hào)的產(chǎn)生機(jī)理與特點(diǎn)搭建了采集系統(tǒng)，篩選出了用于14個(gè)目標(biāo)動(dòng)作識(shí)別的6塊信號(hào)源肌肉，提出了一種利用肌電積分值對(duì)目標(biāo)動(dòng)作起始點(diǎn)和結(jié)束點(diǎn)進(jìn)行判斷的方法，并通過IIR數(shù)字濾波處理進(jìn)一步提高了肌電信號(hào)的采集精度。
　　分別利用時(shí)域特征組、4階自回歸模型系數(shù)、小波系數(shù)最大值、小波系數(shù)能量值構(gòu)建了肌電信號(hào)的特征矢量，針對(duì)單一特征矢量容納信息量少的問題，提出了一種將時(shí)域特征組、4階自回歸模型系數(shù)分別與小波系數(shù)進(jìn)行融合的方

3、法，并利用平均值與標(biāo)準(zhǔn)差參數(shù)對(duì)特征矢量本身的聚類性進(jìn)行了分析。
　　針對(duì)BP網(wǎng)絡(luò)收斂速度慢、容易陷入局部最優(yōu)的問題，提出了一種用粒子群算法融合Levenberg-Marquardt算法（PSO-LM）對(duì)BP網(wǎng)絡(luò)進(jìn)行優(yōu)化的方法，設(shè)計(jì)了用于目標(biāo)動(dòng)作識(shí)別的基于PSO-LM優(yōu)化的BP網(wǎng)絡(luò)、支持向量機(jī)、隱馬爾科夫模型三種分類器，并利用目標(biāo)動(dòng)作平均識(shí)別率結(jié)合最低識(shí)別率對(duì)分類效果進(jìn)行了分析，得出了在本實(shí)驗(yàn)條件下時(shí)域特征組融合小波系數(shù)與支持向量機(jī)