学位论文 > 优秀研究生学位论文题录展示

肌肉疲劳收缩信号的盲分离研究

作　者: 刘娜
导　师: 郭建中
学　校: 陕西师范大学
专　业: 信号与信息处理
关键词: 肌肉疲劳收缩 肌电信号 盲源分离 自然梯度算法 信息最大化算法
分类号: TN911.7
类　型: 硕士论文
年　份: 2013年
下　载: 30次
引　用: 0次
阅　读: 论文下载
 

内容摘要


动态肌电信号评价肌肉疲劳状况在临床医学上具有重要的应用价值。动态疲劳收缩信号与静态疲劳收缩信号混合组成肌电信号。其中,动态环境下,部分肌肉纤维也做等速静态疲劳收缩,静态疲劳信号可以认为是平稳过程产生的。还有部分肌肉纤维做非等速动态疲劳收缩,有非平稳过程的特性。对肌电信号的混合信号进行有效分离。可以更准确地评价肌肉疲劳状况,目前大多数研究采用的调节肌肉收缩方式,忽略静态信号,再采用相关的谱估计技术评价动态肌肉疲劳状况的方法,结果会产生一些误差。盲源分离技术能够从混合信号中最优地分离出源信号,提高估计的准确性。本文针对疲劳收缩肌电信号的数学模型,采用自然梯度算法和信息最大化算法对收缩混合信号进行分离研究,为评价肌肉疲劳的准确性提供有效的参考价值。主要的研究内容包括以下几个方面：(1)针对两类不同特性肌肉纤维收缩信号的混合模型,比较研究三种噪声源产生疲劳信号的特性。(2)分析相同噪声源产生的肌肉疲劳信号,当调节系数不同时,利用两种盲分离算法对混合肌电信号进行分离,分析与比较调节系数对分离效果的影响。(3)研究相同调节系数时,两种盲分离算法对不同噪声源产生肌电信号的分离效果。(4)研究相同调节系数与肌电信号时,不同盲分离算法对疲劳混合信号的分离性能的影响。通过本文研究,得出以下结论：(1)高斯噪声产生的信号具有良好的非平稳特征,因而更适合描述动态信号。(2)分别采用自然梯度算法和信息最大化算法,调节系数不同,不同噪声源产生的肌肉收缩信号对算法的分离性能不会有明显的影响。(3)相同噪声源产生的肌肉疲劳收缩信号,使用自然梯度算法处理信号,不管数学模型中的调节系数取值如何,都不会对信号的分离产生明显的影响；当使用信息最大化算法处理信号,数学模型的调节系数分别取0.2,0.4,0.6,0.8,1.0时,0.2调节系数下分离效果要比其他取值的调节系数分离的效果要好。(4)调节系数相同,相同噪声源产生疲劳信号,信息最大化算法都要比自然梯度算法分离的效果好。

全文目录


摘要  3-5
Abstract  5-9
第1章 绪论  9-13
  1.1 研究目的及意义  9
  1.2 研究动态  9-12
    1.2.1 国内外盲源分离研究动态  10-11
    1.2.2 国内外肌肉疲劳信号的研究动态  11-12
  1.3 本文研究内容及结构  12-13
第2章 盲源分离  13-23
  2.1 盲源分离问题及模型  13-16
    2.1.1 线性瞬时混合盲源分离模型  13-14
    2.1.2 线性卷积混合盲源分离模型  14-16
    2.1.3 非线性混合盲源分离  16
  2.2 盲源分离算法  16-20
    2.2.1 自源分离算法分类  17-19
    2.2.2 预处理过程  19-20
  2.3 评价分离性能标准  20-21
  2.4 本章小结  21-23
第3章 肌肉疲劳收缩的表面肌电信号特征  23-33
  3.1 表面肌电信号  23-26
    3.1.1 表面肌电信号的产生机理  23-25
    3.1.2 影响表面肌电信号的因素  25
    3.1.3 表面肌电信号的获取方法  25-26
  3.2 肌肉疲劳收缩研究  26-30
    3.2.1 肌肉疲劳收缩方式  26-28
    3.2.2 动态肌肉疲劳收缩的数学模型  28-30
  3.3 动态肌电信号的非平稳高斯过程  30-31
  3.4 本章小结  31-33
第4章 肌肉疲劳收缩信号盲分离研究  33-45
  4.1 实验设计  33-34
  4.2 自然梯度算法分离  34-39
    4.2.1 仿真研究  34-38
    4.2.2 结果分析  38-39
  4.3 信息最大化算法分离  39-44
    4.3.1 仿真研究  40-44
    4.3.2 结果分析  44
  4.4 本章小结  44-45
第5章 不同盲分离算法分离结果比较分析  45-53
  5.1 实验设计  45
  5.2 仿真研究  45-51
    5.2.1 高斯噪声产生肌电信号的分离  45-47
    5.2.2 均匀噪声产生肌电信号的分离  47-49
    5.2.3 正态分布噪声产生肌电信号的分离  49-51
  5.3 实验结果与分析  51-52
  5.4 本章小结  52-53
第6章 总结与展望  53-55
  6.1 总结  53
  6.2 研究展望  53-55
参考文献  55-61
致谢  61-63
攻读硕士学位期间成果及参与的科研项目  63

相似论文

  1. 通信信号的盲源分离算法研究,TN911.7
  2. 外骨骼系统中控制信号的分析与处理,TN911.7
  3. 控制机器臂运动的表面肌电信号变换规律的研究,TN911.7
  4. 表面肌电信号分析与实时系统构建,R318.0
  5. 基于广义动态模糊神经网络的肌电信号模式识别系统,TP183
  6. 基于虚拟现实的截肢上肢康复系统,TP391.9
  7. 下肢残疾工人爬梯作业的工作能力评价研究,R49
  8. 动作表面肌电信号的非线性特性研究,TH772
  9. 弱稀疏信号欠定盲分离技术的研究,TN911.7
  10. 基于FPA的手指康复器研究,TH789
  11. 分频段语音盲分离方法研究,TN912.3
  12. 基于循环统计量的无线电监测信号的分离研究,TN911.7
  13. 卷积语音盲分离的SOPC实现,TN912.3
  14. 基于盲源分离技术的混凝土梁非线性振动分析,TN911.6
  15. 基于高阶累积量的盲源分离的理论研究及其在旋转机械中的应用,TH165.3
  16. 基于肌动图（MMG）与肌电图（EMG）信号的假肢控制系统研究,R318.0
  17. 对咏春拳日字冲拳的运动生物力学分析,G852
  18. 基于独立分量分析的地震盲反褶积方法及应用研究,P631.4
  19. 交流电机变频调速系统振动信号的盲源分离,TM921.51
  20. 脑卒中患者躯干肌背伸功能障碍的评价与治疗,R743.3
  21. 基于盲源分离的管道泄漏声波预警检测技术的研究,TG115.285

中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信号处理
© 2012 www.xueweilunwen.com