学位论文 > 优秀研究生学位论文题录展示

动作表面肌电信号的特征提取方法研究

作　者: 时改杰
导　师: 雷敏
学　校: 上海交通大学
专　业: 机械设计及理论
关键词: 时频分析非线性经验模式分解能量百分比
分类号: R318.04
类　型: 硕士论文
年　份: 2008年
下　载: 281次
引　用: 4次
阅　读: 论文下载

内容摘要

动作表面肌电信号(Action Surface Electromyographic,ASEMG)是一种复杂的生物医学信号,是肌肉收缩时所产生的电波动,既与肌肉本身的组织生理特性有关,也与神经控制系统有关。因此,肌电信号的研究分析已成为临床诊断、康复医学、生物机械等诸多领域的研究热点。本文的研究主要集中于如何从特征提取的角度出发,提取典型的动作表面肌电信号特征,以对不同的运动模式进行快速有效的识别。本文采用多种信号处理方法,从时域、频域、时频分析、非线性动力学等不同的角度进行特征提取,利用人工神经网络中的误差反向传播网络对所提取特征加以识别,对常用的特征提取方法以及特征空间转换方法进行了横向与纵向对比。并在已有信号处理方法与特征的基础上,进行了不断的创新与尝试,提出了经验模式分解与非线性特征相结合、能量分布与欧氏空间相结合以及特征联合识别等独特的方法,取得了良好的效果,为动作表面肌电信号的研究与应用提供了新的研究思路、手段与方法。

全文目录

摘要  5-7
ABSTRACT  7-12
第一章绪论  12-19
  1.1 动作表面肌电信号简介  12
    1.1.1 课题来源  12
    1.1.2 动作表面肌电信号产生  12
    1.1.3 动作表面肌电信号应用  12
  1.2 动作表面肌电信号采集  12-15
    1.2.1 采集过程  13-14
    1.2.2 原始动作表面肌电信号成分  14-15
  1.3 动作表面肌电信号处理  15-16
    1.3.1 信号处理流程  15
    1.3.2 BP 神经网络分类器  15-16
  1.4 动作表面肌电信号特征提取  16-19
    1.4.1 模型选择  16
    1.4.2 特征提取  16-19
第二章统计特征提取  19-27
  2.1 动作表面肌电信号统计量计算  19-25
    2.1.1 一阶统计量  19-21
    2.1.2 二阶统计量  21-24
    2.1.3 三阶统计量  24
    2.1.4 四阶统计量  24-25
  2.2 统计特征识别  25-27
    2.2.1 统计特征单独识别  25-26
    2.2.2 统计特征联合识别  26-27
第三章能量空间法分类  27-36
  3.1 欧氏向量空间建立及三种距离  27-30
    3.1.1 建立四维欧氏向量空间  27-28
    3.1.2 三种距离计算方式  28-30
  3.2 以距各邻域中心的距离进行判别  30-32
    3.2.1 欧氏距离判别  30-31
    3.2.2 夹角余弦判别  31-32
    3.2.3 马氏距离判别  32
  3.3 与邻域内所有点距离的平均值  32-35
    3.3.1 欧氏距离判别  32-33
    3.3.2 夹角余弦判别  33-34
    3.3.3 马氏距离判别  34-35
  3.4 欧氏向量空间判别分析  35-36
第四章动作表面肌电信号的非平稳特性研究  36-48
  4.1 频谱特征提取  36-38
    4.1.1 时域至频域的转换  36
    4.1.2 傅立叶变换特征提取与识别  36-38
  4.2 时频分析  38-42
    4.2.1 非平稳随机信号  38
    4.2.2 瞬时特征  38-42
  4.3 短时傅立叶变换特征提取  42-43
    4.3.1 信号分辨率  42
    4.3.2 短时傅立叶变换后特征提取  42-43
  4.4 小波变换后特征提取  43-46
    4.4.1 小波包分解  44
    4.4.2 小波包分解应用于动作表面肌电信号  44-46
  4.5 时频分布特征提取  46-48
    4.5.1 Wigner-Ville 分布  47
    4.5.2 Wigner-Ville 分布应用于特征提取  47-48
第五章动作表面肌电信号的非线性特性研究  48-60
  5.1 非线性系统简介  48-50
    5.1.1 动力系统  48-49
    5.1.2 状态空间  49-50
  5.2 最大LYAPUNOV 指数  50-52
    5.2.1 最大Lyapunov 指数与非线性  50-51
    5.2.2 最大Lyapunov 指数提取与识别  51-52
  5.3 信息熵  52-55
    5.3.1 信息熵与信息量  52
    5.3.2 信息熵识别  52-53
    5.3.3 信息熵与小波包分解  53-55
  5.4 关联维数  55-58
    5.4.1 关联维数与相空间重构  55-56
    5.4.3 关联维数与小波包分解  56-58
  5.5 非线性特征联合识别  58-60
    5.5.1 最大Lyapunov 指数与信息熵联合识别  58
    5.5.2 最大Lyapunov 指数与关联维数联合识别  58
    5.5.3 信息熵与关联维数联合识别  58-60
第六章基于经验模式分解方法的非线性特性研究  60-75
  6.1 经验模式分解  60-67
    6.1.1 特征尺度参数  60-61
    6.1.2 内在模态函数  61-62
    6.1.3 经验模式分解  62-67
  6.2 经验模式分解与统计特征提取  67-69
    6.2.1 统计特征识别  67-68
    6.2.2 EMD 对统计特性识别率的影响  68-69
  6.3 经验模式分解与非线性特征提取  69-73
    6.3.1 与最大Lyapunov 指数  69
    6.3.2 与信息熵  69
    6.3.3 与关联维数  69-73
  6.4 经验模式分解与小波包分解  73-75
    6.4.1 统计特征对比  73
    6.4.2 非线性特征对比  73-75
第七章结论  75-78
参考文献  78-82
致谢  82-83
攻读硕士学位期间发表的学术论文  83

动作表面肌电信号的特征提取方法研究

内容摘要

全文目录

相似论文