期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到400篇文章
< 1 2 … 20 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于表面肌电信号的CNN-LSTM模型下肢动作识别
1
作者 周智伟 陶庆 +3 位作者 苏娜 刘景轩 李博文 裴浩 《科学技术与工程》 北大核心 2025年第7期2841-2848,共8页
为了提高对下肢运动的分类准确度,提出了一种基于表面肌电信号(surface electromyography, sEMG)的卷积神经网络与长短期记忆网络融合识别模型(convolutional neural network and long short-term memory network, CNN-LSTM)。首先,采集... 为了提高对下肢运动的分类准确度,提出了一种基于表面肌电信号(surface electromyography, sEMG)的卷积神经网络与长短期记忆网络融合识别模型(convolutional neural network and long short-term memory network, CNN-LSTM)。首先,采集了20名受试者进行上楼、下楼、行走和蹲起4种步态动作的sEMG;接着,对采集到的sEMG数据进行预处理,并提取了两种时域和频域特征,用作机器学习识别模型的特征输入;最后,基于预处理后肌电信号数据,构建了CNN-LSTM的下肢动作识别模型,并与CNN、LSTM和支持向量机(support vector machine, SVM)模型的性能进行对比。结果显示,CNN-LSTM模型在下肢动作识别准确率上分别比CNN、LSTM和SVM模型高出2.16%、8.34%、和11.16%,证明了其优越的分类性能。研究结论为康复医疗器械与助力器械提供了一个有效的下肢运动功能改善方案。 展开更多
关键词 表面肌电信号 下肢动作识别 CNN-LSTM 卷积神经网络 长短时记忆网络
在线阅读 下载PDF
基于表面肌电信号估计多自由度手指力的ShuffleVT模型
2
作者 李思诺 耿艳娟 《电子测量技术》 北大核心 2025年第5期102-110,共9页
为了实现基于表面肌电信号(sEMG)的连续手指力估计,本文提出了一种融合ShuffleNetV2基本单元与Vision Transformer(ViT)结构的新模型,命名为ShuffleVT。为验证该模型的性能,采用公开数据集NinaPro,其包含40名健康受试者的sEMG数据和6个... 为了实现基于表面肌电信号(sEMG)的连续手指力估计,本文提出了一种融合ShuffleNetV2基本单元与Vision Transformer(ViT)结构的新模型,命名为ShuffleVT。为验证该模型的性能,采用公开数据集NinaPro,其包含40名健康受试者的sEMG数据和6个自由度的手指力数据。性能评估指标为Pearson相关系数(CC)、均方根误差(RMSE)和决定系数(R^(2))。结果显示,ShuffleVT模型的CC、RMSE和R^(2)平均值分别为0.92±0.05、1.27±0.66和0.83±0.10,显著优于ShuffleNetV2、ViT、Transformer和LSTM等4种深度学习模型。该结果展示了ShuffleVT模型在基于表面肌电的连续运动意图估计中的应用潜力。 展开更多
关键词 表面肌电信号 手指力 连续估计 深度学习
在线阅读 下载PDF
基于表面肌电信号和眼动追踪的人-多机器人协同控制方法 被引量：1
3
作者 胡益铭 李鸿鑫 +5 位作者 朱鹏铭 邱学凯 曾志文 代维 肖军浩 王长城 《兵工自动化》 北大核心 2025年第4期104-106,共3页
为提高机器人系统对复杂指令的响应能力和适应性,提出基于表面肌电信号(surfaceelectromyography,sEMG)和眼动追踪(Eye-Tracking)技术的人-多机器人共享控制。使用自主设计的肌电腕带实时采集操作员前臂的表面肌电信号,通过设计轻量级... 为提高机器人系统对复杂指令的响应能力和适应性,提出基于表面肌电信号(surfaceelectromyography,sEMG)和眼动追踪(Eye-Tracking)技术的人-多机器人共享控制。使用自主设计的肌电腕带实时采集操作员前臂的表面肌电信号,通过设计轻量级卷积神经网络识别典型的手势,并映射为系统控制指令。使用眼动跟踪仪获取操作员的注视点信息和视线轨迹,实现机器人选定和期望路径绘制。集成2种新型交互方式构建人机交互平台,并与多台小型机器人构成人-多机器人共享控制系统。在搭建的人-多机器人半实物仿真平台上进行实验。结果表明,该共享控制方法具备可行性和有效性。 展开更多
关键词 人机交互 手势识别 表面肌电信号 眼动追踪
在线阅读 下载PDF
基于表面肌电信号的手部多关节角度预测算法
4
作者 赵暮超 陶庆 +3 位作者 胡学政 刘景轩 马金旭 陈清正 《传感器与微系统》 北大核心 2025年第6期128-131,137,共5页
针对智能假手在多关节同时控制时控制不自然、精度低的问题,提出了一种基于表面肌电(sEMG)和多头注意力机制结合长短时记忆网络(MHA-LSTM)模型的多关节角度预测方法。采用公开数据集Ninapro中的DB8数据,包括9种常用的手指动作进行sEMG... 针对智能假手在多关节同时控制时控制不自然、精度低的问题,提出了一种基于表面肌电(sEMG)和多头注意力机制结合长短时记忆网络(MHA-LSTM)模型的多关节角度预测方法。采用公开数据集Ninapro中的DB8数据,包括9种常用的手指动作进行sEMG和手指关节角度的同步采集,预处理和特征提取。将提取的7种特征经过MHA模块来帮助网络捕捉更丰富的特征,再使用LSTM网络对手部的多关节运动角度进行进一步的预测。实验结果表明:MHA-LSTM模型的R^(2)可达0.82,相比只使用LSTM提高了19%。该模型的建立为以后实时控制智能假肢的多关节奠定了基础。 展开更多
关键词 表面肌电信号 长短时记忆网络 多关节角度预测 多头注意力机制
在线阅读 下载PDF
基于人体着装压和表面肌电信号的骑行裤功效分析
5
作者 尹玲 翁睿 +2 位作者 陆鑫 夏蕾 任仕杰 《毛纺科技》 北大核心 2025年第3期22-30,共9页
为进一步优化骑行裤功效,选择市面上流行的2款骑行裤(每款2个型号)作为实验样本,以7位男大学生作为受试者进行骑行裤穿着实验,测试受试者骑行时的着装压力和下肢表面肌电信号,以分析骑行裤款式对服装压的影响,以及动态服装压与下肢表面... 为进一步优化骑行裤功效,选择市面上流行的2款骑行裤(每款2个型号)作为实验样本,以7位男大学生作为受试者进行骑行裤穿着实验,测试受试者骑行时的着装压力和下肢表面肌电信号,以分析骑行裤款式对服装压的影响,以及动态服装压与下肢表面肌电信号的相关性。结果表明,骑行过程中,骑行裤对人体股直肌施加的压力最为显著,其次是膝盖部位;膝盖弯曲的设计以及膝盖拼接弹性更强面料的直筒设计均能有效减轻膝盖处的动态压力;受试者穿着骑行裤时,表示肌电的时域指标——均方根(RMS)和积分肌电(iEMG),均低于未穿着骑行裤时的数值;同时,频域指标——平均功率频率(MPF)和中值频率(MF),整体上高于未穿着骑行裤时的水平,表明骑行裤的服装压力在一定程度上能够减少肌肉能量损耗,缓解肌肉疲劳,但并不是服装压力越大越好,尤其是股直肌和腓肠肌。该研究结果可为骑行裤的设计改进和性能优化提供有益的参考。 展开更多
关键词 骑行裤 着装压 表面肌电信号 肌肉疲劳
在线阅读 下载PDF
基于双分支网络的表面肌电信号识别方法 被引量：1
6
作者 王万良 潘杰 +1 位作者 王铮 潘家宇 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第11期2208-2218,2229,共12页
针对目前表面肌电信号(sEMG)手势识别细节信息提取不充分,对相似手势区分困难的问题,提出基于加强二维化特征的双分支网络(ETDTBN)模型.该模型通过加强二维化方法生成二维特征图,使用多层卷积神经网络(ML-CNN)提取sEMG的空间特征,利用... 针对目前表面肌电信号(sEMG)手势识别细节信息提取不充分,对相似手势区分困难的问题,提出基于加强二维化特征的双分支网络(ETDTBN)模型.该模型通过加强二维化方法生成二维特征图,使用多层卷积神经网络(ML-CNN)提取sEMG的空间特征,利用双向门控循环单元(Bi-GRU)提取原始信号的时序特征.考虑到不同的特征对网络的影响程度不同,引入自适应特征融合机制对不同分支进行融合,强化有用特征并弱化无用特征,提高表面肌电识别的准确率.实验在电极偏移和不同受试者2种情况下对ETDTBN进行训练与测试,与主流的肌电手势识别模型进行对比.可知,ETDTBN的总体识别准确率分别为86.95%和84.15%,准确率均为最优,证明了该模型的有效性. 展开更多
关键词 表面肌电信号(semg) 手势识别 加强二维化特征 双分支网络 自适应特征融合机制
在线阅读 下载PDF
基于表面肌电信号及肌肉疲劳的上肢肌力预测 被引量：5
7
作者 隋修武 高俊杰 +2 位作者 梁天翼 蔡俊杰 王涛 《电子测量技术》 北大核心 2024年第5期181-187,共7页
为解决目前肌肉力测量时用肢体末端力表示实际肌肉力大小,以及未将肌肉疲劳程度考虑在内的问题,本文提出了一种基于表面肌电信号和肌肉疲劳的上肢肌肉力预测方法。利用AnyBody软件建立上肢肌肉骨骼模型,并将上肢末端力经过仿真得到单块... 为解决目前肌肉力测量时用肢体末端力表示实际肌肉力大小,以及未将肌肉疲劳程度考虑在内的问题,本文提出了一种基于表面肌电信号和肌肉疲劳的上肢肌肉力预测方法。利用AnyBody软件建立上肢肌肉骨骼模型,并将上肢末端力经过仿真得到单块肌肉的肌力大小;采用肌肉等长收缩的时间来表征肌肉疲劳程度。10名健康男性受试者进行上肢等长收缩实验,提取实验过程中肱二头肌肌电信号的积分肌电值、均方根、中值频率、平均功率频率、最大小波系数及其对应频率六个特征值;将肌肉力与特征值、肌肉疲劳程度进行分析后发现三者之间高度相关。采用麻雀搜索算法优化BP神经网络的权值和阈值,构造并训练上肢肌力预测模型。经测试集检验结果表明,该方法的误差小于12%,可以对肌力进行较为准确的预测。 展开更多
关键词 表面肌电信号 肌肉疲劳 SSA-BP回归预测模型 AnyBody 肌力预测
在线阅读 下载PDF
采用变分模态分解与领域自适应的表面肌电信号手势识别 被引量：1
8
作者 姜海燕 许先静 +1 位作者 钟凌珺 李竹韵 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第5期75-87,共13页
针对传统机器学习在表面肌电信号手势识别领域的适应性和准确性不足,以及新用户因个体生理和行为差异在已有模型上表现不佳的问题,提出一种利用卷积神经网络模型并有效克服肌电数据分布差异的算法,用于提升手势识别的性能。首先对肌电... 针对传统机器学习在表面肌电信号手势识别领域的适应性和准确性不足,以及新用户因个体生理和行为差异在已有模型上表现不佳的问题,提出一种利用卷积神经网络模型并有效克服肌电数据分布差异的算法,用于提升手势识别的性能。首先对肌电信号进行变分模态分解,构建易于识别的表面肌电图像,并提出了一种卷积神经网络模型进行手势识别,提升用户相关的肌电信号手势识别准确率;同时利用迁移学习中的领域自适应和模型微调技术,提升用户无关的肌电信号手势识别准确率,并将所提算法在NinaPro DB1肌电数据集中进行了3分类、4分类、5分类和12分类共4组评估验证。结果表明:在4组评估验证中,用户相关的肌电信号手势识别平均准确率分别达到了99.28%、99.30%、98.39%和93.40%,用户无关的肌电信号手势识别平均准确率分别达到了94.05%、92.60%、88.38%和70.03%,表明本文提出的算法在表面肌电信号手势识别中具有良好的效果,为实现人机交互中的普适性的肌电设备开发提供了一种可行的方案。 展开更多
关键词 领域自适应 卷积神经网络 手势识别 变分模态分解 表面肌电信号
在线阅读 下载PDF
采用迁移学习的表面肌电信号手势识别方法 被引量：4
9
作者 胡学政 陶庆 +2 位作者 赵暮超 刘景轩 马金旭 《科学技术与工程》 北大核心 2024年第12期5044-5050,共7页
为解决采用表面肌电信号(surface electromyography,sEMG)进行手势识别时电极贴片位移、受试者动作变化等复杂情况下分类识别准确率下降这一问题,提出一种基于表面肌电信号与迁移学习的手势分类模型。首先对4通道表面肌电信号进行活动... 为解决采用表面肌电信号(surface electromyography,sEMG)进行手势识别时电极贴片位移、受试者动作变化等复杂情况下分类识别准确率下降这一问题,提出一种基于表面肌电信号与迁移学习的手势分类模型。首先对4通道表面肌电信号进行活动段提取与降噪处理,然后提取活动段信号的4种时域特征与2种频域特征。采用流形嵌入分布对齐(manifold embedded distribution alignment,MEDA)方法将源领域和目标领域的特征矩阵嵌入到格拉斯曼流形中进行流形特征学习,减小两域之间的数据差异,消除特征退化;同时根据自适应因子执行动态分布对齐,动态调整数据不同分布差异下边缘分布和条件分布的相对重要性。对多名受试者开展实验以验证所提方法的合理性,实验结果表明:所提方法与决策树(decision tree,DT)、支持向量机(support vector machine,SVM)、k临近(k-nearest neighbor,KNN)3种传统机器学习方法相比,识别准确率分别提高了13%、21%、9%。与未执行流形学习与动态分布对齐的联合分布适配(joint distribution adaptation,JDA)迁移学习方法相比,识别准确率提高了52%,达到93%,证明所提方法对于复杂情况下的手势分类具有优良的效果。 展开更多
关键词 表面肌电信号 迁移学习 活动段提取 流形嵌入分布对齐 手势识别
在线阅读 下载PDF
基于迁移学习和表面肌电信号的上肢动作识别 被引量：3
10
作者 张恒玮 徐林森 +2 位作者 陈根 汪志焕 眭翔 《计算机工程与应用》 CSCD 北大核心 2024年第20期124-132,共9页
准确识别脑卒中患者上肢运动意图是实现高效康复训练的关键步骤。为了提高基于表面肌电信号(surface electromyography,sEMG)的上肢动作识别精度,提出了一种结合预训练模型和支持向量机(support vector machine,SVM)的肌电动作识别方法... 准确识别脑卒中患者上肢运动意图是实现高效康复训练的关键步骤。为了提高基于表面肌电信号(surface electromyography,sEMG)的上肢动作识别精度,提出了一种结合预训练模型和支持向量机(support vector machine,SVM)的肌电动作识别方法。该方法充分考虑通道之间的关联性,将预处理后的时域信号通过短时傅里叶变换(short-time Fourier transform,STFT)转换为对应频谱图,并将所有通道的频谱图沿竖直方向拼接。利用两种微调的预训练模型VGG16和Resnet50对肌电图像提取特征,分别考虑三种上肢动作识别方案:仅使用微调的预训练模型进行识别、单个微调预训练模型提取特征后使用SVM进行识别、两个微调预训练模型提取特征拼接后使用SVM进行识别。实验结果表明,所提出的方法在采集的受试者肌电信号数据集上均达到90%以上的识别精度,可有效区分不同的上肢动作。 展开更多
关键词 上肢动作识别 表面肌电信号(semg) 短时傅里叶变换(STFT) 预训练模型 支持向量机(SVM)
在线阅读 下载PDF
基于运动学数据和表面肌电信号的下肢关节力矩预测 被引量：1
11
作者 曹容慧 郭媛 +3 位作者 张绪树 文云鹏 刘文腾 纪斌平 《医用生物力学》 CAS CSCD 北大核心 2024年第S01期499-499,共1页
目的人体运动过程中,关节力矩是体现关节内部承载的一项重要指标,无法直接测量。本文结合表面肌电信号和运动学数据,通过深度学习方法建立下肢关节力矩预测模型,可以获得运动过程中的下肢关节力矩。方法使用运动捕捉系统采集20位受试者... 目的人体运动过程中,关节力矩是体现关节内部承载的一项重要指标,无法直接测量。本文结合表面肌电信号和运动学数据,通过深度学习方法建立下肢关节力矩预测模型,可以获得运动过程中的下肢关节力矩。方法使用运动捕捉系统采集20位受试者在进行正常行走、上楼梯、下楼梯时的运动学和表面肌电数据,以关节角度、角速度、表面肌电积分肌电值、均方根幅值和波长作为神经网络的输入,使用Anybody运动仿真软件计算出的关节力矩作为输出,其中80%的数据作为训练集,10%为验证集,10%为测试集。通过结合LSTM长短期记忆网络和注意力机制,搭建深度学习模型对人体下肢髋、膝和踝关节在矢状面、冠状面和横截面的关节力矩进行预测。结果本文提出的模型在预测髋、膝和踝关节矢状面、冠状面和横截面的关节力矩方面表现出色,准确度高于传统深度学习和机器学习模型,模型在矢状面中预测效果最佳,相比于膝和髋关节,踝关节预测效果更好。模型的预测结果与实际测量值之间的相关性非常高,表明模型能够可靠地预测关节力矩。结论结合LSTM和注意力机制的深度学习模型能够有效预测人体下肢关节在不同运动模式下的力矩。该模型为理解人体运动机制、辅助康复训练和设计外骨骼设备提供了思路和方法。 展开更多
关键词 深度学习 表面肌电信号 关节力矩 注意力机制 人体运动 关节角度 人体下肢 踝关节
在线阅读 下载PDF
基于GA-BP的表面肌电信号下肢动作模式识别研究 被引量：1
12
作者 崔冰艳 张祥 邓嘉 《传感器与微系统》 CSCD 北大核心 2024年第9期63-67,共5页
为了满足下肢康复机器人运动过程中对人体下肢不同动作模式的识别的需求,首先,通过8通道无线肌电传感器采集8种下肢常见动作的表面肌电(sEMG)信号,并对原始信号进行滤波、运动段提取、特征提取处理;然后,将处理后数据分别输入本文设计... 为了满足下肢康复机器人运动过程中对人体下肢不同动作模式的识别的需求,首先,通过8通道无线肌电传感器采集8种下肢常见动作的表面肌电(sEMG)信号,并对原始信号进行滤波、运动段提取、特征提取处理;然后,将处理后数据分别输入本文设计的BP、PCA-BP、GA-BP、PCA-GA-BP分类器进行训练与测试。4种分类器对下肢8种动作平均识别率分别为88.6%,90.5%,92.3%,95.1%,对每个动作平均识别率为85%以上。结果表明:基于GA-BP神经网络比BP神经网络具有更高的预测精度,并且降维处理可以提高动作分类的准确率。 展开更多
关键词 表面肌电信号 特征提取 遗传算法 反向传播神经网络 模式识别
在线阅读 下载PDF
基于混合空洞卷积CNN和BiGRU的表面肌电信号手势识别
13
作者 张凯 陈峰 《计算机应用与软件》 北大核心 2024年第11期220-227,共8页
针对基于表面肌电信号(sEMG)的手势识别准确率低、计算量大的问题,提出一种基于混合空洞卷积神经网络组合双向门控循环单元与注意力机制(HDC-BiGRU-Attention)的表面肌电信号手势识别方法。相比普通CNN,HDC通过设置奇偶混合且大小不同... 针对基于表面肌电信号(sEMG)的手势识别准确率低、计算量大的问题,提出一种基于混合空洞卷积神经网络组合双向门控循环单元与注意力机制(HDC-BiGRU-Attention)的表面肌电信号手势识别方法。相比普通CNN,HDC通过设置奇偶混合且大小不同的膨胀率,可以扩大感受野,减少过拟合,提取到更多特征。BiGRU模块能很好地提取和处理数据的时序特征,Attention模块为重要特征赋予更大的权重,可以提高准确率。在NinaproDB1数据集和自采数据集上分别实现92.72%和97.85%的准确率。 展开更多
关键词 表面肌电信号 手势识别 混合空洞卷积 双向门控循环单元 Attention机制
在线阅读 下载PDF
表面肌电信号指标评价低负荷等长收缩诱发屈肘肌疲劳的敏感性和稳定性分析 被引量：20
14
作者 王乐军 陆爱云 +3 位作者 范年春 郑樊慧 董菲 张磊 《中国运动医学杂志》 CAS CSCD 北大核心 2013年第2期117-123,163,共8页
目的:分析表面肌电(sEMG)信号指标评定低负荷等长收缩诱发运动性肌肉疲劳的敏感性和稳定性,为疲劳评价提供参考。方法:以15名男性青年志愿者为研究对象,先测试受试者屈肘关节最大自主收缩力矩(Maximal Voluntary Contration,MVC),令受... 目的:分析表面肌电(sEMG)信号指标评定低负荷等长收缩诱发运动性肌肉疲劳的敏感性和稳定性,为疲劳评价提供参考。方法:以15名男性青年志愿者为研究对象,先测试受试者屈肘关节最大自主收缩力矩(Maximal Voluntary Contration,MVC),令受试者右臂腕部拉住可在肘关节处产生20%MVC的重物,记录右侧肱桡肌和肱二头肌sEMG,至不能坚持负荷时结束实验。计算时域指标均方根振幅(RMS),基于傅里叶变换计算中值频率(MF)和平均功率频率(MPF),基于小波包分析计算中值频率(MDF)和平均功率频率(MNF),基于非线性分析计算Lempel-Ziv复杂度C(n)。评定上述指标在低负荷等长收缩诱发屈肘肌疲劳方面的敏感性和稳定性。结果:肱二头肌与肱桡肌sEMG的RMS随负荷实验持续时间延长表现出逐渐增加的趋势,而MF、MPF、MDF、MNF、C(n)则表现出逐渐减小的趋势。MF、MPF、MDF、MNF、C(n)与负荷运动持续时间之间具有显著负相关,RMS与负荷运动持续时间之间具有显著的正相关。肱二头肌与肱桡肌RMS反映疲劳的敏感性和稳定性优于其他指标。结论:由于低负荷收缩诱发疲劳引起募集运动单位数量增加等因素作用,RMS表现出较显著的增加趋势,是评定由低负荷等长收缩诱发屈肘肌疲劳的较好指标。 展开更多
关键词 表面肌电信号 疲劳 低负荷等长收缩 适用性
在线阅读 下载PDF
无线多通道表面肌电信号采集系统设计 被引量：32
15
作者 胡巍 赵章琰 +1 位作者 路知远 陈香 《电子测量与仪器学报》 CSCD 2009年第11期30-35,共6页
本文设计了一种无线多通道表面肌电信号(surface electromyography,SEMG)采集系统,该系统包括多通道的无线传感器和信号接收部分。传感器可独立的穿戴于人体表面,以线形差分电极获取表面肌电信号,对其进行放大、滤波、A/D变换,并用无线... 本文设计了一种无线多通道表面肌电信号(surface electromyography,SEMG)采集系统,该系统包括多通道的无线传感器和信号接收部分。传感器可独立的穿戴于人体表面,以线形差分电极获取表面肌电信号,对其进行放大、滤波、A/D变换,并用无线的方式按本文设计的通信协议发送给接收部分。接收部分对各传感器的数据进行整合,并通过USB接口传输给电脑进行存储、显示和处理。每个传感器体积为35mm×20mm×11mm,重量仅13g(含电池),一次充电可工作9个小时,无线通信距离达7.5m,采集到的信号噪声低于?70dB(肌电信号1mV代表0dB)。该设计大大提高了电极安放的便利性,采集设备的便携性与人体的安全性,且避免了工频干扰,能够满足基于表面肌电信号的手势或姿势识别等研究的要求。 展开更多
关键词 表面肌电信号 肌电信号采集 2.4GHz无线通信
在线阅读 下载PDF
利用表面肌电信号的下肢动态关节力矩预测模型 被引量：14
16
作者 陈江城 张小栋 +2 位作者 李睿 石强勇 王贺 《西安交通大学学报》 EI CAS CSCD 北大核心 2015年第12期26-33,共8页
为实现表面肌电信号的下肢关节力矩动态解码,建立了从表面肌电信号到关节力矩输出的人体下肢运动系统正向生物力学模型。首先,从幅值和频率两个角度建立表面肌电信号到骨骼肌激活程度模型;其次,根据肌丝滑移理论,构建反映骨骼肌生理结... 为实现表面肌电信号的下肢关节力矩动态解码,建立了从表面肌电信号到关节力矩输出的人体下肢运动系统正向生物力学模型。首先,从幅值和频率两个角度建立表面肌电信号到骨骼肌激活程度模型;其次,根据肌丝滑移理论,构建反映骨骼肌生理结构和微观力学特性的肌肉力模型,同时确定活动肌肉拉力线方向及力作用点位移矢量,将骨骼肌力转换到关节力矩;最后,以牛顿-欧拉逆动力学方法获得关节力矩作为准确值,给出正向生物力学模型参数动态标定方法。在模型基础上,对4名对象进行随意步态下膝关节屈伸动态力矩预测试验,结果表明:所建模型对步态行走下的膝关节动态关节力矩具有很好的动态跟踪性能,最大绝对误差为(11.0±1.32)N·m,平均残差为(4.43±0.698)N·m,预测值与准确值之间的平均线性相关系数为0.927±0.042,验证了该方法的正确性和有效性;可为康复训练机器人人机协同过程中的力学交互模式研究提供接口。 展开更多
关键词 表面肌电信号 关节力矩预测 肌肉模型 正向生物力学
在线阅读 下载PDF
基于表面肌电信号的手指运动模式识别系统 被引量：17
17
作者 王人成 郑双喜 +4 位作者 蔡付文 姜力 朱德有 刘宏 李芳 《中国康复医学杂志》 CAS CSCD 北大核心 2008年第5期410-412,共3页
目的:建立一套基于表面肌电信号(sEMG)的手指运动模式识别系统。方法:研发了基于有源电极的sEMG检测装置和包含信号采集、分析、离线识别和在线识别模块的配套软件。结果:该系统能够同时采集4个通道sEMG数据,用16种时域、频域和时频域... 目的:建立一套基于表面肌电信号(sEMG)的手指运动模式识别系统。方法:研发了基于有源电极的sEMG检测装置和包含信号采集、分析、离线识别和在线识别模块的配套软件。结果:该系统能够同时采集4个通道sEMG数据,用16种时域、频域和时频域方法对其分析,并可以对7种sEMG特征提取及分类方法进行对比研究,还能在线控制假手。结论:本系统为多指、多自由度假手sEMG控制方法的研究提供了一个实验平台,该系统不仅可以用于手指运动模式识别,而且也可以用于人体其他运动模式的sEMG特征提取方法和分类器的对比研究。 展开更多
关键词 表面肌电信号 模式识别 手指运动 多指多自由度假手
在线阅读 下载PDF
产后压力性尿失禁病人生物反馈治疗后盆底肌表面电信号变化观察 被引量：64
18
作者 王宏 薛紫怡 +2 位作者 李梦梦 刘军 张震宇 《首都医科大学学报》 CAS 北大核心 2017年第2期320-324,共5页
目的探讨产后女性压力性尿失禁病人生物反馈治疗果效及盆底肌表面电信号变化的临床意义。方法选择62例产后轻度压力性尿失禁病人进入前瞻性研究;应用SOKO9003型治疗仪进行生物反馈治疗,对自然分娩和选择性剖宫产组治疗前后盆底肌表面肌... 目的探讨产后女性压力性尿失禁病人生物反馈治疗果效及盆底肌表面电信号变化的临床意义。方法选择62例产后轻度压力性尿失禁病人进入前瞻性研究;应用SOKO9003型治疗仪进行生物反馈治疗,对自然分娩和选择性剖宫产组治疗前后盆底肌表面肌电信号包括盆底肌Ⅰ、Ⅱ类纤维的活力值及肌力进行检测,对肌力牛津改良量表(Modified Oxford Scale,MOS)评分进行主观评估。随访6个月再次评价上述指标,观察盆底肌表面电信号变化及治疗效果。结果治疗5周后,62例中54例治疗有效,总有效率为87.1%(54/62),其中阴道分娩组治疗有效率为96.9%(31/32),剖宫产组治疗有效率76.7%(23/30),阴道分娩组治疗有效率较剖宫产组高,2组差异有统计学意义(P=0.024);随访6个月后,62例中48例治疗有效,总有效率为77.4%(48/62),阴道分娩组治疗有效率87.5(28/32),剖宫产组治疗有效率66.7(20/30),阴道分娩组治疗有效率仍高于剖宫产组,2组差异有统计学意义(P=0.050)。短期治疗后,阴道分娩组肌力的MOS评分差值与剖宫产组MOS评分差值相比较,阴道分娩组MOS评分差高于剖宫产组(P=0.040);长期治疗后,阴道分娩组肌力的MOS评分差值与剖宫产组MOS评分差值相比较,阴道分娩组MOS评分差仍高于剖宫产组(P=0.030)。长期治疗与短期治疗后阴道分娩组的盆底肌Ⅰ、Ⅱ类肌纤维活力的改变量均大于剖宫产组(P<0.05),但是治疗时限对盆底肌Ⅰ、Ⅱ类肌纤维活力的改变量差异无统计学意义(P>0.05);治疗时限对MOS评分差异无统计学意义(P>0.05)。结论盆底肌生物反馈疗法能够有效治疗产后女性压力性尿失禁(stress urinary incontinence,SUI)。治疗后阴道自然分娩(vaginal delivery,VD)产妇盆底肌功能恢复快,盆底康复治疗疗效明显优于择期剖腹产(caesarean section,CS)者,分娩对盆底组织的损伤是可恢复的。 展开更多
关键词 产后压力性尿失禁 生物反馈 分娩方式 盆底肌表面电信号
在线阅读 下载PDF
表面肌电信号在脑卒中患者上肢运动功能康复中的应用 被引量：10
19
作者 李文 赵丽娜 +2 位作者 李腾飞 严良文 赵翠莲 《中国康复医学杂志》 CAS CSCD 北大核心 2013年第2期163-165,共3页
目的:为脑卒中患者提供一种可视、有趣的游戏训练方式,有效地帮助患者恢复上肢运动功能。方法:在建立一套良好的硬软件系统后,借助虚拟现实技术,将患者手臂肌肉的表面肌电信号(sEMG)和运动传感器信号结合起来完成游戏。结果:患者在该游... 目的:为脑卒中患者提供一种可视、有趣的游戏训练方式,有效地帮助患者恢复上肢运动功能。方法:在建立一套良好的硬软件系统后,借助虚拟现实技术,将患者手臂肌肉的表面肌电信号(sEMG)和运动传感器信号结合起来完成游戏。结果:患者在该游戏中得到了良好的视觉反馈,上肢运动功能康复效果明显,训练积极性增强。结论:使用sEMG信号可以有效帮助脑卒中患者进行康复训练,康复训练过程有趣实用。 展开更多
关键词 脑卒中 表面肌电信号 康复 虚拟现实
在线阅读 下载PDF
基于EMD自相关的表面肌电信号消噪方法 被引量：42
20
作者 席旭刚 武昊 罗志增 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第11期2494-2500,共7页
为了更好地消除混杂在表面肌电信号(s EMG)中的噪声,提出一种基于噪声统计特性的EMD自相关消噪方法。首先,对含噪s EMG信号进行EMD分解,并根据噪声统计特性降低低信噪比的高频IMF分量的能量后重组信号。其次,对重组后的信号进行自相关... 为了更好地消除混杂在表面肌电信号(s EMG)中的噪声,提出一种基于噪声统计特性的EMD自相关消噪方法。首先,对含噪s EMG信号进行EMD分解,并根据噪声统计特性降低低信噪比的高频IMF分量的能量后重组信号。其次,对重组后的信号进行自相关函数特性的EMD分解,并对自相关函数方差低于阈值的高频IMF分量进行小波去噪。最后,把处理后的高频IMF分量和低频IMF分量重构,得到的信号即为消噪信号。实验结果表明,该方法不仅能更好的消除噪声,而且在低信噪比情况下有良好表现。 展开更多
关键词 表面肌电信号 经验模态分解 小波变换 自相关函数 噪声统计特性
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 20 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部