学位论文 > 优秀研究生学位论文题录展示

基于小波变换和多重分形分析的表面肌电信号分析

作　者: 王刚
导　师: 王志中
学　校: 上海交通大学
专　业: 生物医学工程
关键词: 表面肌电信号假肢控制局部判别基 Davies-Bouldin指标离散谐波小波包变换肌肉疲劳多重分形
分类号: R318.04
类　型: 博士论文
年　份: 2008年
下　载: 602次
引　用: 7次
阅　读: 论文下载

内容摘要

表面肌电信号是从人体骨骼肌表面通过电极记录下来的神经肌肉活动时发放的生物电信号,它反映了神经、肌肉的功能状态。表面肌电信号在临床医学、运动医学、人机工效学、康复医学、神经生理学、电生理学等领域被广泛应用。本文针对假肢控制和肌肉疲劳评价问题,利用小波变换和非线性动力学方法对表面肌电信号进行了深入的分析和研究,所做的主要工作及创新之处如下:为了尽可能地提高假肢控制时表面肌电信号分类的准确识别率,我们尝试利用局部判别基方法来对表面肌电信号进行分类,该方法的主要思想是根据可分性度量找出具有最大可分性的部分小波包系数作为特征矢量。但考虑到不同人的不同动作的表面肌电信号的能量大小是有差异的,因此本文提出了基于可分性度量和小波包相对能量的最佳小波包方法,并将该方法应用到表面肌电信号的分类问题当中,实验证明该算法比固定尺度的小波包基方法有着更好的效果。在该方法中我们所使用的可分性度量都只是一些简单的距离度量函数,它们并不能给出模式分类问题中的最佳特征。因此,我们对上述方法进行了改进,提出了DB指标(Davies-Bouldin index)和小波包相对能量相结合的最佳小波包方法,并将该方法应用到了表面肌电信号的分类问题当中。和其它现有的方法相比较,该方法在分类准确率上取得了明显的改进。为了减少假肢控制时对动作进行分类识别的运算时间,本文提出了一种基于离散谐波小波包变换的表面肌电信号分类方法。首先对信号进行离散谐波小波包分解,然后计算信号在各个频带的相对能量并将其作为表面肌电信号的特征。接着,我们采用基于遗传算法和神经网络分类器的特征选择方法对特征空间进行降维处理从而获得了具有最大可分离性的特征。最后,用BP(back propagation)神经网络和获得的具有最大可分离性的特征来评价被提出方法的分类效果。实验结果表明,离散谐波小波包变换方法获得了比时域方法更高的分类准确率,另一方面,和离散一般小波包变换方法相比,该方法节省了更多的计算时间。因此,离散谐波小波包变换方法为肌电假肢系统准确、实时控制提供了新的可行方法。肌肉疲劳特性的研究在康复医学、运动医学、人机工效学等领域具有重要作用。本文从多重分形的角度来分析了肌肉疲劳过程中的表面肌电信号。目前,我们已经发现在肌肉的静态疲劳的过程当中,表面肌电信号具有多重分形特性,并且肌电信号奇异谱的面积随着肌肉的疲劳有明显地上升趋势。因此,我们可以把奇异谱面积作为静态收缩时肌肉疲劳的评价指标。实验结果表明,当肌肉处于静态收缩期间时,和传统的肌肉疲劳评价指标中值频率相比,我们提出的肌电信号奇异谱面积显示出了更高的变化斜率,故用奇异谱面积做肌肉疲劳评价指标的灵敏度就要更高,这为量化静态肌肉疲劳提供了一个更为可靠的方法。在肌肉做动态收缩时,表面肌电信号仍然具有多重分形特性,同时我们发现随着肌肉的疲劳,肌电信号的奇异谱面积也在增加,因此奇异谱面积也可以作为动态收缩时肌肉疲劳的评价指标。但是和静态收缩相比,动态收缩时奇异谱面积随时间变化的斜率要小很多。我们推测肌肉静态收缩和动态收缩之间的这种差异可能是由于收缩肌肉内的血液流动所引起的。

全文目录

摘要  3-5
ABSTRACT  5-11
第1章绪论  11-23
  1.1 引言  11-12
  1.2 选题的目的和意义  12-14
  1.3 假肢控制的研究现状  14-18
    1.3.1 表面肌电信号控制假肢的原理  14-15
    1.3.2 表面肌电信号假肢控制系统的实现  15-18
  1.4 肌肉疲劳评价的研究现状  18-21
  1.5 本论文的主要研究内容  21-23
第2章肌电信号产生的生理机制及肌肉疲劳EQUATION  23-29
  2.1 肌电信号的产生机理  23-25
  2.2 肌电信号的数学模型  25-26
  2.3 肌肉疲劳及其电生理现象  26-28
  2.4 本章小结  28-29
第3章最佳小波包分析及其在假肢控制系统中的应用EQUATION  29-61
  3.1 表面肌电信号的采集和动作信号的提取  29-31
  3.2 小波和小波包分析  31-38
    3.2.1 连续小波变换  31-33
    3.2.2 离散小波变换  33-34
    3.2.3 多分辨率分析  34-36
    3.2.4 小波包变换  36-38
  3.3 局部判别基方法及其在表面肌电信号分类中的应用  38-48
    3.3.1 特征提取  38-39
    3.3.2 可分性度量  39-40
    3.3.3 最佳小波包分解  40-41
    3.3.4 基于Fisher 准则函数的特征选择  41-44
    3.3.5 基于神经网络的信号分类  44-45
    3.3.6 实验结果及分析  45-48
  3.4 基于DAVIES-BOULDIN 指标的最佳小波包方法及其应用  48-60
    3.4.1 Davies-Bouldin 指标及最佳小波包分解算法  49-51
    3.4.2 基于主成分分析的特征空间降维处理  51-54
    3.4.3 单因素方差分析  54-56
    3.4.4 实验结果及分析  56-60
  3.5 本章小结  60-61
第4章谐波小波分析及其在假肢控制系统中的应用EQUATION  61-81
  4.1 谐波小波分析  61-67
    4.1.1 谐波小波及其正交性  61-65
    4.1.2 谐波小波变换及其实现  65-67
    4.1.3 谐波小波包变换及其实现  67
  4.2 基于谐波小波包变换的特征提取  67-68
  4.3 基于遗传算法的特征选择  68-73
  4.4 交叉验证方法  73-74
  4.5 分类结果的分析  74-78
  4.6 算法计算时间的分析  78-79
  4.7 本章小结  79-81
第5章肌肉疲劳过程中表面肌电信号的多重分形分析EQUATION  81-111
  5.1 分形及其性质  82-88
    5.1.1 分形的引出及其哲理  82-84
    5.1.2 分形的典型例子  84-86
    5.1.3 混沌理论与分形的关系  86-87
    5.1.4 分形的性质  87-88
  5.2 分形的数学基础和方法  88-92
    5.2.1 分形维数的概念  88-92
    5.2.2 分形维数的物理意义及应用  92
  5.3 多重分形理论  92-99
    5.3.1 多重分形的定义  93-96
    5.3.2 多重分形的几何特性  96-98
    5.3.3 多重分形奇异谱的计算  98-99
  5.4 静态收缩期间肌肉的疲劳评价  99-106
    5.4.1 肌肉的静态收缩疲劳实验  99-100
    5.4.2 实验结果与讨论  100-106
  5.5 动态收缩期间肌肉的疲劳评价  106-110
    5.5.1 肌肉的动态收缩疲劳实验  107-108
    5.5.2 实验结果与讨论  108-110
  5.6 本章小结  110-111
第6章总结与展望  111-115
  6.1 本文研究总结  111-112
  6.2 课题研究展望  112-115
参考文献  115-123
致谢  123-124
攻读博士期间发表和完成的学术论文  124-126

基于小波变换和多重分形分析的表面肌电信号分析

内容摘要

全文目录

相似论文