QQ客服 官方微博 反馈留言

题名	基于肌电分解的智能假肢系统人机交互技术研究
作者	李自由1,2
答辩日期	2020-11-27
授予单位	中国科学院沈阳自动化研究所
授予地点	沈阳
导师	刘光军 ; 赵新刚
关键词	表面肌电信号 智能假肢 人机交互 机器学习 模式识别
学位名称	博士
其他题名	Key technologies in sEMG-Decomposition-based Human-Prostheses Interaction
学位专业	机械电子工程
英文摘要	目前我国各类残疾人总数已接近一个亿，其中肢体残疾人数量为最多，约占29%。肢体残疾，尤其是手臂的功能缺失，严重影响残疾人的工作与日常活动。现阶段的大部分假肢仅具有装饰美观或简单的被动抓握功能，使用起来费时费力。而表面肌电信号，相对于其他生理电信号而言，具有信噪比高、信息量丰富与易于开发可穿戴设备等优点，被认为是肢体运动意图估计与假肢交互最具潜力方式之一。但现阶段的肌电假肢系统，仍然面临着功能性弱、识别效果差等问题。因此，基于表面肌电信号准确地、稳定地进行肢体运动意图识别是一项极具研究价值和挑战的任务。位于皮肤表面的肌电信号传感器，其采集到的微弱电信号，主要来源于所募集的诸多运动单元动作电位。这些动作电位反映了不同肌肉的刺激收缩状态与强度，因此，表面肌电信号中蕴含着大量肢体运动、肌肉力等信息，通过一系列信号解码方法，可用于识别肢体运动意图。基于表面肌电信号的肢体运动意图识别，根据其应用目标，可分为两类：1）离散动作分类，2）连续运动估计。针对这两类应用目标，主要采用有监督学习的基本框架，目前大多数的研究工作主要集中在特征提取、降维方法与分类模型等环节，以提高肌电识别的准确性。但在实际的智能假肢交互应用中，基于表面肌电信号的识别方法常常受到各种非理想因素的干扰，如电极偏移、个体性差异和肌肉疲劳等。因此，本论文的研究工作，主要围绕肌电识别系统中的准确性和鲁棒性两个关键科学问题，开展了自适应肌电分解、离散动作识别、连续运动估计，以及非理想肌电识别等方面的研究。具体研究内容与进展如下：首先，针对传统肌电分解方法中涉及人为参数过多、分解结果的一致性差等缺点，提出了一种基于小波变换的自适应肌电分解方法。提出两类高斯小波母版作为运动单元动作电位的形式化函数；通过尺度变换，定义了不同种类的实际运动单元动作电位；基于小波变换中的卷积运算，构造了一种自适应的模板匹配方法；并通过信号重构与逐次信号剥离，实现一种迭代分解过程。实验结果表明，在不同收缩力的实验中，所提出肌电分解方法的结果合理地反映了运动单元种类、数量、发放频率与强度等信息。其次，在基于有监督学习的肌电信号离散动作识别一般框架中，讨论了肌电特征或特征组合与不同降维算法之间的关系；并利用TSFRESH等时序特征库，将传统的肌电信号时频域等特征扩展至上千维，采用集成学习中的随机森林等模型进行离散动作分类研究，取得了较好的识别精度，优于其他相关研究结果。随后，开发了面向多种肌电信号传感器和多款智能假肢系统的人机交互软硬件系统，前述研究工作均进行了大量的在线测试，并成为后续研究的主要测试平台。之后，开展了基于表面肌电信号的下肢连续运动估计研究工作。针对传统基于Hill肌肉模型中涉及大量生理假设与模型简化等问题，该部分主要采用数据驱动方式，侧重于系统的输入与输出；在直接映射模型的基础上，进一步考虑了关节运动过程中的时间序列特点，利用滑动滤波等方法，降低了直接映射模型中的波动干扰，提高了系统在多个指标上的回归性能，实现了基准的下肢多关节角度预测精度。最后，重点关注了非理想肌电中的电极偏移干扰问题。针对肌电交互系统中常见的一类电极旋转偏移问题，提出了一种偏移估计与自适应校正方法。该方法首先建立相对于电极静止的极坐标系，提出了用于估计旋转偏移的活跃极角；进而建立基于偏移角度的线性变换模型，在特征空间内，对电极偏移位置下的肌电特征进行自适应校正。大量的结果表明，所提出方法的识别精度远高于未进行校正的模型识别精度。因此，该方法不仅有效提高了肌电交互系统的鲁棒性，且仅利用单类别肌电数据实现了多类别的动作分类，极大地降低了使用者在多次使用时的训练成本与学习负担。本论文的研究工作深入探究了基于肌电信号的智能假肢系统人机交互中的关键技术，包括自适应肌电分解技术，肌电离散帯连续识别技术，以及非理想肌电抗干扰技术。在肌电识别的准确性与鲁棒性方面积累了大量的理论方法与实验经验，为后续实现自然、准确与稳定的肌电假肢人机交互提供了理论与工程支撑。
语种	中文
产权排序	1
页码	121页
内容类型	学位论文
源URL	[http://ir.sia.cn/handle/173321/27977]
专题	沈阳自动化研究所_机器人学研究室
作者单位	1.中国科学院沈阳自动化研究所 2.中国科学院大学
推荐引用方式 GB/T 7714	李自由. 基于肌电分解的智能假肢系统人机交互技术研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。