基于匹配实测表面肌电信号的模型参数辨识

目的 通过对仿真与真实表面肌电信号(sEMG)的波形匹配以及肌疲劳现象的分析,研究sEMG信号的模型参数辨识问题. 方法 在运动单位仿真的基础上,引入神经激励对运动单位的募集和发放控制特性,建立了一个较为完善的sEMG信号生理学模型.利用调整模型相关生理参数使仿真与真实sEMG信号的运动单位动作电位(MUAP)波形相匹配的方法,实现对模型参数进行估计,通过调节肌纤维传导速度(MFCV)使仿真与真实sEMG信号的平均频率(MNF)及中值频率(MDF)拟合直线趋势相似的方法,研究肌肉的疲劳现象及其机理. 结果 适当调节sEMG信号模型参数可使仿真信号波形逼近真实sEMG信号波形,各个肌纤维的MFCV在模拟恒力持续收缩过程中减小时,仿真信号的MNF和MDF拟合直线呈下降趋势. 结论 采用模型方法能够实现仿真与真实sEMG信号波形的良好匹配,并能够有效地表达肌肉的疲劳过程,可应用于肌电信号相关领域的研究.     

连续波生物雷达体征检测装置与实验研究

非接触式的生命体征检测技术能够为健康监护提供一种有效辅助手段。该文使用微波雷达技术研制人体生命体征检测装置。根据多普勒原理设计连续波雷达电路实现人体微动信号检测;采用短时傅里叶变换与插值算法实现人体心率和呼吸频率参数提取;引入嵌入式平台实现装置的小型化设计和集成;编制嵌入式信号处理软件实现实时的信号处理、记录和显示。通过利用模拟装置和人体进行实验研究与性能评测,结果表明：检测系统可有效检测单个静止人体目标的生命体征,工作距离范围达90 cm,心率识别率达96%。     

一种适用于手势动作sEMG信号识别的改进型模糊推理分类器

提出了一种基于自适应提取模糊规则的改进型模糊推理分类器,其中,模糊规则的提取采用由势函数法初始化聚类中心的K-means聚类算法,分类器的训练采用基于梯度下降算法的最小均方误差准则来实现.此改进型模糊分类器克服了基于K-means聚类算法提取模糊规则的模糊推理分类器需要手工设定模糊规则数目和对初始化参数非常敏感的两大缺点.对10位受试者的6类手势动作sEMG信号的分类研究结果表明,此改进型模糊推理分类器的分类能力优于未改进的模糊推理分类器,且具有效果稳定、自适应提取模糊规则、对初始化参数不敏感以及可排除孤立点的影响等优点.     

基于神经网络和递归模板对准技术的表面肌电信号分解

为了提高表面肌电信号(surface electromyography, sEMG)分解的准确率,我们利用空间相邻两通道sEMG信号的信息,采用联合低频小波分解系数作为运动单位动作电位(motor unit action potential, MUAP)活动段的特征,并将自组织特征映射(self-organizing feature map, SOFM)与学习向量量化(learning vector quantization, LVQ)网络结合起来,完成对MUAP波形的分类.同时为了实现对sEMG信号分解的完整性,采用一种基于递归的模板对准技术分解叠加波形.仿真信号和真实信号的实验表明,本方法具有较高的分解准确率,对于中低收缩力度下sEMG信号的分解十分有效.     

基于加速计与表面肌电传感器信息融合的手语识别方法

目的探索基于加速计和多通道表面肌电传感器信息融合方法用于手语识别的效果。方法根据多通道表面肌电信号的瞬时能量自动检测手语动作,采用多级决策树融合多传感器信息,实现对中国手语词的连续识别。结果在中国手语30类典型单手词汇和模拟真实情景对话的16个例句识别实验中,该方法获得了令人满意的识别效果,分别取得了96.7%和93.7%的平均词识别率。结论基于两类传感器信息融合的手语识别方法在大词汇量连续手语识别和智能人机交互领域具有很好的应用潜力。