HMM在下肢表面肌电信号步态识别中的应用

提出了一种基于隐马尔可夫模型(HMM)的分类方法,利用下肢表面肌电信号(SEMG)进行人体步态状态的识别.对每通道的SEMG信号按时间分段后,对每段数据提取4个时域特征来描述信号特点.根据对步态周期中状态的划分确定了HMM的结构,将HMM的状态与步态状态一一对应,并利用改进的Baum-Welch算法估计HMM参数,然后...     

基于HMM的表面肌电信号模式分类

按等时间间隔将表面肌电信号(SEMG)划分为不同的段,利用小波变换对其进行特征提取,借助隐马尔可夫模型(HMM)的动态建模能力来感知不同动作模式下SEMG的时变特性.具体应用时,先根据样本对各动作模式下的HMM进行训练,待各模型参数稳定后,再利用HMM对特征提取后的SEMG进行模式分类.实验结果表明:该方法具有很好的分类识别率.在6个手部动作识别中,上翻、下翻、内旋和外旋4种动作的识别准确率均在90%以上.     

基于小波变换的表面肌电信号去噪方法

表面肌电信号是通过表面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、康复医学、神经生理学、电生理等领域被广泛应用。本文所研究的肌电信号是在右下臂上采集到的一组表面肌电信号,通过小波变换等方法对肌电信号进行去噪处理。实验表明,该方法能够有效的去除肌电信号的噪声,为下一步的信号分析打下良好的基础。     

基于表面肌电的工人上肢肌肉疲劳试验研究

当人体进入疲劳状态时,表面肌电信号会发生相应的变化。为了探讨工人在持续上肢作业时肌肉疲劳对人体肌电信号的影响,针对疲劳与肌电信号的关系提出评价肌肉疲劳的数学模型,选取10名健康受试者进行机械操作与重物搬举作业。同时,使用表面肌电测试分析仪对肌电信号进行实时监测,采用方差分析、t检验和非线性拟合方法对疲劳与肌电信号的关系进行分析。结果表明,肌电信号的波动程度对生理疲劳有显著变化,上肢肌肉疲劳程度越重,其肌电信号恢复至正常值越久。非线性拟合结果显示,上肢肌肉疲劳的发展趋势呈现出"S型"的趋势。据此提出,疲劳失稳期前让受试者休息,可以减缓或延迟生理疲劳的发生。     

基于小波包变换的下肢肌电假肢控制信息源的研究

肌电信号作为下肢假肢的控制信息源必须经过信号处理与特征提取.小波变换能将各种交织在一起的由不同频率组成的混合信号分解成不同频段的信号,检测出许多其他分析方法忽略的信号特性,因此小波变换常被用于表面肌电信号处理.而小波包变换对信号逐渐变宽的频谱可以进一步分割细化,具有良好的局部化品质,比正交小波变换更优越.该文将利用小波包变换方法对站立与行走过程中大腿股四头肌部位的肌电信号进行分析和特征提取,并利用各频段能量构造特征矢量,经过学习矢量量化神经网络训练,能够有效地从股四头肌采集的肌电信号中识别站立及行走的运动模式.     

基于互Wigner-Ville分布的表面肌电信号瞬时频率估计

当一块肌肉完成持续的收缩时,所记录的表面肌电信号的分析是一个用于评价局部疲劳进行性的有用的工具.在肌肉静态收缩期间,表面肌电信号功率谱的平均频率和中值频率常被用作肌肉疲劳的指示器.为了评价周期性动态收缩期间的局部肌肉疲劳,针对肌肉动态收缩时表面肌电信号的特点,提出了基于互Wigner-Ville分布的瞬时频率检测方法.通过一个类似于表面肌电信号统计性质的模拟的随机过程,评价了这一算法的估计误差.理论和实验证明,瞬时频率可以在较低的信噪比下很好地适合跟踪由于肌肉疲劳引起的频谱变化.     

基于积分肌电值结合双阈值的s-EMG活动段的检测

为了寻找一个表征肌肉疲劳程度效果较好的参数,分别从时域分析、频域分析中提取相关特征参数进行对比分析.采用基于积分肌电窗口移动平均值结合双门限阈值的方法来区分肌肉动态收缩区和静态收缩区.利用肌肉动态收缩区相关特征值的灵敏度波动比(SVR指数)来表征肌肉疲劳的灵敏度,程序设计采用MATLAB编程.通过仿真实验对时域、频域特征参数随疲劳程度的变化趋势、灵敏性进行分析,发现时域中均方根特征参数对疲劳程度表征效果相对较好;频域中中值频率特征参数对疲劳程度表征效果相对较好.该方法应用在检测肌肉疲劳上具有区分动态、静态收缩区的特点,相比单门限阈值法具有将表面肌电信号的细微特征信息放大、便于识别等优点.     

采用小波变换和高斯过程的肌电信号模型预测

根据表面肌电信号的生物电信号特点,采用小波变换和高斯过程建模的方法对表面肌电信号进行建模和预测.对非线性的表面肌电信号利用拟合能力强大的高斯过程进行建模,预测效果较好,但所需运算时间长.针对其运算时间长的缺点进行改进,将预处理后的表面肌电信号小波分解,对分解后的系数高斯建模,然后重构.实验结果表明:该改进方法在响应时间和预测误差方面效果明显.     

表面肌电信号拾取与预处理电路设计

表面肌电信号(SEMG)是指当骨骼肌收缩时,肌纤维所产生的微弱电信号在皮肤表面的募集。一般情况下,表面肌电信号特别微弱,频率主要集中在10～500 Hz范围内,幅值在10～5 000μV,很容易受到工频50 Hz噪声干扰。针对表面肌电信号的特点,采用Ag/AgCl电极拾取SEMG信号,设计了仪表放大电路,带通信号调理电路。实验证明,所设计的电路能有效提取带宽为10～1 000 Hz的表面肌电信号,实现了简捷有效的表面肌电信号拾取。     

基于经验模态分解建模法的肌肉疲劳检测

针对表面肌电信号的非平稳特性,采用自回归(auto regression,AR)模型对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号建立自回归模型,采用基于该模型的第一个时变参数(first time-varying parameter of auto regression modle,ARC1)作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比(sensitivity to variability ratio,SVR)来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高以及将表面肌电信号细微特征信息放大、便于识别等优点。     

草原公路行车驾驶员肩部表面肌电信号分析

内蒙古草原具有线形特殊,景观单调等特点,长时间在草原公路行车时极易引起肌肉疲劳。通过检测驾驶员肩部斜方肌的表面肌电信号,使用MPF指标并结合主观问卷调查评估在草原公路驾驶过程中的驾驶员肩部肌肉疲劳。结果表明6名驾驶员的MPF随着驾驶时间延长呈现波动下降趋势,但仅有17%的驾驶员主观感觉到肩部疲劳。实验结束后驾驶员肩部肌肉疲劳累积加重。     

表面肌电信号(SEMG)分析在生物力学领域中的应用

表面肌电信号是一种使用表面电极来探索和记录肌肉表面电活动的技术。肌电信号在生物力学领域中主要被用来作为肌肉开始激活的指标,同时作为肌肉收缩产生力量以及肌肉内部产生疲劳的指标等。表面肌电信号作为研究肌肉的一种方法,告诉我们肌肉是否被激活、激活的程度大小和疲劳时激活的程度等。旨在着重讨论生物力学领域中的一些特定的表面肌电信号分析方面中的比较类型分析和频率疲劳分析问题。     

基于超声图像的运动肌肉疲劳研究?

分析了运动肌肉疲劳前后肌肉形态结构参数的变化,为运动肌肉疲劳评价提供参考.文中应用B型超声技术,测量9名男性志愿者在递增负荷功率自行车运动疲劳前后下肢肌肉的肌肉厚度、羽状角并对其进行分析.结果表明功率自行车运动疲劳后,不同被测肌肉的肌肉厚度、羽状角较疲劳前显著增加(P0.05),其中大腿股外侧肌、股内侧肌的厚度变化率、羽状角变化率较大.得出了运动肌肉疲劳前后肌肉的肌肉厚度和羽状角发生变化,提示其可结合传统的表面肌电信号评估肌肉疲劳.     

拮抗肌对的自回归滑动平均模型的参数分析

将自回归滑动平均模型运用于肘关节桔抗肌对的肌电信号分析中，利用该模型所提供的丰富的参数，来研究在同一关节上的拮抗肌对的疲劳关系．模型中的一些自回归系数和肌疲劳程度具有相似的变化趋势．而且，对于同一伸展或屈曲过程，关节上的拮抗肌的疲劳参数要大于主动肌的参数．     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Chirplet(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Chirplet时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fugl-Meyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Ch irp let(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Ch irp let时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fug l-M eyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。     

拮抗肌对的协同控制与EMG信号的中值频率关系

探讨在持续恒力收缩时,正常人体肘关节主动肌和桔抗肌的协同作用原理与它们的表面EMG信号中值频率(Median Frequency,MF)的变化趋势,研究它们的疲劳行为。十五个正常受试者的实验数据统计结果表明,拮抗肌的SEMG/MF高于主动肌;随着收缩时间的增加,主动肌和拮抗肌的MF几乎以相同的速率下降;收缩力越大,它们的两条拟合直线之间的距离、互相关系数、下降速率也越大;关节的角度的变化对上述结论似乎没有明显的影响。这些结论对屈曲和伸展模式都成立。利用人体组织的幅度衰减特性和频率衰减特性,神经肌肉系统的“共驱动”概念对上述结果进行了讨论。     

基于小波变换和K-L展开的单通道表面肌电信号识别

利用单通道表面肌电信号对肘收缩、肘伸直、前臂外旋和前臂内旋四个上肢动作进行了识别.用肌电信号最高频率20倍的过采样率对表面肌电信号进行采样,利用抽取滤波技术将过采样带来的冗余数据去除并保留了过采样带来的低噪声的优点.通过小波变换提取出5个子频带的相对能量与表面肌电信号的总能量一起作为原始的特征向量,然后通过K-L展开将6维的原始特征向量降为2维.通过建立BP网络分别用6维特征向量和2维特征向量对上述的四个动作进行识别.结果显示该方法在减少肌电电极的同时保持了较高的识别率,有很好的识别效果.