基于不同训练模式的纳米金柔性传感器的 手势动作识别

假肢控制技术研究中,研究者们通常利用解码表面肌电信号(Surface Electromyography,sEMG)来获得截肢者的运动意图。传统的 sEMG 采集中,为降低皮肤与电极之间的阻抗,通常需要涂导电膏后与皮肤直接接触,因此会导致部分患者皮肤过敏和身体不适,且 sEMG 容易受肌肉疲劳影响,不利于长期监测。针对以上问题,该研究采用一种纳米金柔性传感器,解码其因肌肉收缩拉伸后产生的形变信号,并探究两种不同训练模式在此方法下的分类性能。其中,训练模式包括：重复训练模式,即每组重复做同一个动作;随机训练模式,即动作顺序随机化,每组每个动作只做一次。结果表明,所有受试者使用纳米金柔性传感器的平均手势识别率均在 90％ 以上,且两种训练模式间无显著性差异(重复训练模式为 95.46%、随机训练模式为94.18%,P 值为 0.227 5)。这表明纳米金柔性传感器与湿电极一样,可以实现可靠的手势识别。     

基于概率神经网络的粮食早期霉变识别研究

提出了一种基于概率神经网络的粮食早期霉变识别方法。实验中电子鼻系统采集了4种粮食作物及霉变数据共8类,对这些数据样本进行特征提取,得到了64组训练数据和48组测试数据。利用概率神经网络对特征数据进行分类识别,识别率为93.75%。实验结果表明,该方法对粮食作物种类及其早期霉变的识别是行之有效的。     

下肢截肢者行走意图识别方法研究进展

直立行走是人类独立生活和正常参与社会活动的基本功能之一.人因遭受工伤、交通事故、战争、自然灾害（地震等）、疾病（糖尿病、癌症等）、先天出生缺陷等意外和不幸造成下肢截肢，从而部分或全部丧失行走能力，严重影响正常生活和参与社会活动.下肢假肢是下肢截肢者恢复行走功能的唯一手段，其技术发展吸引了众多研究者的关注.为使下肢假肢使用者能像正常腿一样或接近的步态行走，关键是实现截肢者行走意图的自动精确识别.本文首先探索了行走意图识别的内涵；然后从信号源的角度分析了不同截肢者行走意图识别方法的特点，尤其是神经功能重建作为补充的肌电信号（Electromyography，EMG）源的方法，并简述其研究进展，提出了一种融合生物力学信号和生物电信号的截肢者行走意图识别方法；最后对下肢截肢者行走意图识别方法发展趋势进行了总结和展望.     

一种暗通道先验去雾后图像参数的调节方法

针对在暗通道先验去雾方法中图像亮度随着去雾深度加深而降低的情况,分析了导致图像亮度降低的原因,并结合户外自动白平衡的有雾图像,提出了一种采用图像能量回补来调节图像参数的方法,以此来提高图像亮度和对比度.实验结果表明,通过对去雾后图像损失的能量进行回补,对于不同的去雾深度,图像的亮度和对比度都能得到较好的调节.     

随机共振数值仿真的快速算法

根据信噪比曲线可以判断一个非线性系统是否发生随机共振,同时也可以得到非线性系统对噪声的输出性能。然而,由于要进行系综平均,即使要得到最简单的双稳态系统的信噪比曲线也需要很长时间的运算。经过对双稳态系统产生随机共振过程的仔细分析,以龙格—库塔法为基础,利用适当的数值计算方法,可以快速地求解双稳态系统的输出。     

基于表面肌电和组织阻抗信息融合的手势识别研究

手势识别中的一种常见方式是通过表面肌电信号来实现。为提高手势识别的稳定性和精度, 通常需要采集多个通道的肌电信号,但这会增加电极传感器的数量以及识别系统的复杂度。因此,如 何利用较少量的通道采集信号并确保手势识别的性能一直是肌电信号应用到意图识别的研究方向之 一。该研究设计了一款便携式四通道肌电和阻抗双模信号采集器,在不增加额外传感器和通道数的情 况下,能同时采集肌电信号和差分电极对之间的组织阻抗信号。初步实验结果表明,通过该系统采集 的四通道融合信息可以提升手势识别的准确率和稳定性。与仅采集肌电信息相比,该研究采用的肌电 与阻抗信息融合方法可以将手势识别性能提升 3% 以上,达到 96.2% 的识别率。     

基于肌电与肌动同步解析的肌肉痉挛评测方法

肌肉痉挛是常见的运动功能障碍疾病,通过肌电与肌动双模信息同步解析进行肌肉痉挛定量评估具有重要意义。本文针对同步获取高信噪比肌电与肌动信号的难点,提出一种抗工频干扰、轻量加速度计信号校正的肌电与肌动双模信息同步解析方法,设计了无线多通道肌电和肌动信号同步采集系统。与常见科学仪器Delsys系统对比,所提系统肌电信噪性能与Delsys相似(均20 d B左右),肌动信号有效频带(0～20 Hz)能量显著高于Delsys;对所提系统进行临床测试,健康志愿者主动屈肘时屈肌肌电信噪比约20 d B; 3名改良Ashworth评分(MAS)分别为1级,1+级与2级患者归一化肌电指标分别为0. 54±0. 05,0. 59±0. 04和0. 62±0. 01,屈肌肌动信号均方根值分别为2. 69±1. 04 m·s-2,3. 19±1. 13 m·s-2,4. 89±1. 19 m·s-2,肌电与肌动信息均可有效区分患者痉挛等级。因此所提方法可用于肌肉痉挛评测及肢体运动功能监测。