基于BPSO-PSO-LSSVM算法的上肢sEMG分类

1

作者 贠今天 苗冠 +1 位作者 李帅 耿梓敬 《科学技术与工程》 北大核心 2025年第18期7686-7692,共7页

作为与人体运动密切相关的生理信号,表面肌电(surface electromyography, sEMG)信号的解析在人机交互领域具有重要的作用。针对肌电信号分类效率和精度难以兼顾的问题,提出了一种特征筛选与分类器超参数优化相结合的上肢sEMG分类方法,... 作为与人体运动密切相关的生理信号,表面肌电(surface electromyography, sEMG)信号的解析在人机交互领域具有重要的作用。针对肌电信号分类效率和精度难以兼顾的问题,提出了一种特征筛选与分类器超参数优化相结合的上肢sEMG分类方法,该方法采用二进制粒子群优化(binary particle swarm optimization, BPSO)算法对特征进行筛选后,进一步采用粒子群优化(particle swarm optimization, PSO)算法调整最小二乘支持向量机(least squares support vector machine, LSSVM)的超参数。通过采集人上体4个部位的表面肌电信号并提取其中48维特征,对上肢常见的4种动作进行分类实验,结果表明,BPSO-PSO-LSSVM算法仅保留肌电数据的21维特征,得到的平均分类准确率达到97.54%,证明该方法可以有效筛选出用于上肢动作分类的最佳特征组合,并且提高运动分类的准确率。 展开更多

关键词 表面肌电信号 特征选择 二进制粒子群优化 粒子群优化 动作分类 最小二乘支持向量机

在线阅读 下载PDF 职称材料

基于MPCNN模型的sEMG快速迁移学习的手势识别应用研究

2

作者 易鹏 杨晔 严仕嘉 《计算机工程》 北大核心 2025年第1期304-311,共8页

为解决个体间差异性的问题并提高手势识别技术的普适性,提出基于多并行卷积神经网络(MPCNN)的迁移学习策略,旨在实现基于表面肌电信号的高效手势识别。MPCNN通过并行架构和优化的迁移学习机制,对比以往的卷积神经网络(CNN)迁移框架以更... 为解决个体间差异性的问题并提高手势识别技术的普适性,提出基于多并行卷积神经网络(MPCNN)的迁移学习策略,旨在实现基于表面肌电信号的高效手势识别。MPCNN通过并行架构和优化的迁移学习机制,对比以往的卷积神经网络(CNN)迁移框架以更有效地处理不同个体间的生理差异,从而提高模型对新用户的适应性和识别准确率。此外,MPCNN通过减少模型训练时间和提高泛化能力,增强系统的实用性。通过多组实验,包括倍数交叉验证、消融实验和健壮性测试来证实所提策略在多个方面的有效性。实验结果表明,与传统CNN模型相比,提出的MPCNN迁移学习策略显著提升手势识别准确率,在Ninapro DB7数据集上的识别率达到了94.95%,对比CNN迁移学习框架提高了4.38百分点,同时训练时间减少了超过50%,验证了MPCNN迁移模型在减轻训练负担、增强泛化能力和提高抗干扰性方面的优点。基于实验模型对人机交互能力进行了验证,验证了其在肌电控制应用前景。 展开更多

关键词 迁移学习 表面肌电信号 手势识别 深度学习 卷积神经网络 肌电控制

在线阅读 下载PDF 职称材料

基于腿部sEMG的驾驶疲劳状态判别方法

3

作者 俞宁 罗晓茗 +2 位作者 舒梓荣 李博远 张颜 《汽车工程》 北大核心 2025年第5期951-961,969,共12页

基于驾驶员腿部的表面肌电信号提出一种非侵入式的驾驶疲劳状态判别方法。首先,通过模拟驾驶疲劳实验采集驾驶员右腿胫骨前肌的肌电信号,并通过主观评价量表进行疲劳状态的标注。其次,采用变分模态分解算法对表面肌电信号进行噪声滤除,... 基于驾驶员腿部的表面肌电信号提出一种非侵入式的驾驶疲劳状态判别方法。首先,通过模拟驾驶疲劳实验采集驾驶员右腿胫骨前肌的肌电信号,并通过主观评价量表进行疲劳状态的标注。其次,采用变分模态分解算法对表面肌电信号进行噪声滤除,并从分解得到的5个IMF分量中提取12个时频域特征值。最后,构建基于鲸鱼算法优化支持向量机的驾驶疲劳状态判别模型。结果表明:该方法对于3种疲劳状态具有较好的判别效果,其准确率可达84%以上。 展开更多

关键词 驾驶疲劳 表面肌电信号 疲劳状态判别

在线阅读 下载PDF 职称材料

基于sEMG信号几何特征的肌肉疲劳分类

4

作者 曹震 吕东澔 +2 位作者 张勇 张鹏 姚贺龙 《传感器与微系统》 CSCD 北大核心 2024年第7期145-148,共4页

为了更好地区分肌肉疲劳程度,本文通过小波变换的方法,分析不同频段中表面肌电(sEMG)信号的能量变化情况,提取信号几何特征,对肌肉非疲劳和疲劳状态进行区分。从几何边界区域中提取周长、面积、圆度特征,分析几何特征变化情况。同时,使... 为了更好地区分肌肉疲劳程度,本文通过小波变换的方法,分析不同频段中表面肌电(sEMG)信号的能量变化情况,提取信号几何特征,对肌肉非疲劳和疲劳状态进行区分。从几何边界区域中提取周长、面积、圆度特征,分析几何特征变化情况。同时,使用分类器对肌肉疲劳进行分类。实验结果表明:几何特征对肌肉疲劳状态有更加直观的区分效果。几何特征在肌肉疲劳前后有明显变化,相比传统时域、频域特征,具有更好的分类效果,对几何特征进行特征融合,能够有效提升分类准确度。 展开更多

关键词 表面肌电信号 几何特征 肌肉疲劳 疲劳分类

在线阅读 下载PDF 职称材料

嵌入式肌电腕带实时采集与识别系统设计 被引量：1

5

作者 阳佩珉 闵华松 《计算机工程》 北大核心 2025年第2期259-268,共10页

目前,大多数商用表面肌电(sEMG)信号采集系统存在价格昂贵、便携性和时效性无法满足应用需求的缺陷。为了解决该问题,结合模拟采集电路的精度要求以及微控制器低功耗、高性能、灵活性等方面的需求,设计一种嵌入式一体化肌电腕带,可以用... 目前,大多数商用表面肌电(sEMG)信号采集系统存在价格昂贵、便携性和时效性无法满足应用需求的缺陷。为了解决该问题,结合模拟采集电路的精度要求以及微控制器低功耗、高性能、灵活性等方面的需求,设计一种嵌入式一体化肌电腕带,可以用于实时手势识别。首先,采用低成本、低噪声的精密放大器完成模拟采集电路设计,并在仿真环境中对电路进行仿真验证,保证信号采集质量;其次,在低功耗、高性能的微控制器ESP32-S3上提出轻量化卷积神经网络L-CNN以进行实时识别。L-CNN在预训练后进行剪枝和量化,然后完成部署。通过剪枝算法去除模型中冗余的权重参数,减小模型大小,加快推理速度,并微调到预训练模型中。量化将原有32位浮点数降到8位整数进行计算,使模型尺寸降低以适用于嵌入式设备。实验结果表明,L-CNN的尺寸相比原模型大幅降低,推理速度得到提升,并且在实时手势识别中能达到95%左右的识别准确率,验证了整个系统的可靠性。 展开更多

关键词 表面肌电信号 手势识别 微控制器 模型剪枝 模型量化

在线阅读 下载PDF 职称材料

基于sEMG和GRNN的手部输出力估计 被引量：13

6

作者 吴常铖 宋爱国 +2 位作者 曾洪 李会军 徐宝国 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第1期97-104,共8页

针对智能肌电假手力控制的需要,提出一种基于表面肌电信号(s EMG)和广义回归神经网络(GRNN)的手部输出力估计方法。首先在介绍实验平台的基础上详细描述了肌电信号的采集和特征提取方法以及广义回归神经网络的构建;然后,通过在手臂8个... 针对智能肌电假手力控制的需要,提出一种基于表面肌电信号(s EMG)和广义回归神经网络(GRNN)的手部输出力估计方法。首先在介绍实验平台的基础上详细描述了肌电信号的采集和特征提取方法以及广义回归神经网络的构建;然后,通过在手臂8个不同部位粘贴肌电传感器来检测手部动作过程中的肌电信号;同时为了全面测量人手在三维空间中的输出力,采用三维力传感器对手部的输出力进行测量;在同步获得手臂上的多通道肌电信号(X)和手部三维力推拉信号(F)后,对采集得到肌电信号进行了特征提取得到特征矩阵X_F;将X_F和F用于构建GRNN网络,并用均方差和残差绝对值均值对手部输出力的估计结果进行评估。为验证该方法的有效性,进行了实验验证,结果表明,该方法能够很好地利用sEMG对手部的输出力进行估计。 展开更多

关键词 表面肌电信号 广义回归神经网络 手部输出力估计

在线阅读 下载PDF 职称材料

基于小波变换的多特征融合sEMG模式识别 被引量：24

7

作者 于亚萍 孙立宁 +1 位作者 张峰峰 张建法 《传感技术学报》 CAS CSCD 北大核心 2016年第4期512-518,共7页

针对单一特征值表征能力差的情况,根据小波变换的多分辨分析思想,采用基于多种母小波的多特征融合的特征提取方法对表面肌电信号进行特征提取。本实验对十名测试人员进行肌电信号的采集,对日常生活中的四个基本下肢动作进行测试。首先,... 针对单一特征值表征能力差的情况,根据小波变换的多分辨分析思想,采用基于多种母小波的多特征融合的特征提取方法对表面肌电信号进行特征提取。本实验对十名测试人员进行肌电信号的采集,对日常生活中的四个基本下肢动作进行测试。首先,分别基于DB、Dmey和Bior三种不同的母小波,采用离散小波变换通过不同的分析方法对表面肌电信号进行多尺度分解。然后,通过分析发现,不同肌肉在不同特征提取方式下表征效果存在差异,为了结合不同特征方式的特点对基于不同小波基的特征值进行融合分析并比较。最后,将特征值分别输入到Elman神经网络和BP神经网络进行模式识别并比较分析。实验结果表明:通过对不同特征值进行识别比较,融合处理的特征值可以达到98.7%的识别率,并且,BP神经网络相较于Elman神经网络识别效果更好。 展开更多

关键词 表面肌电 信号处理 模式识别 多特征融合 小波变换

在线阅读 下载PDF 职称材料

自行车运动员下肢肌肉sEMG特征及与输出功率的相关性 被引量：15

8

作者 黄勇 王乐军 +1 位作者 龚铭新 马国强 《上海体育学院学报》 CSSCI 北大核心 2010年第5期64-67,共4页

采用实验法,对运动员60 s全力蹬踏自行车下肢肌肉sEMG变化特征及与输出功率的相关性进行研究。结果显示:随着运动时间的延长和疲劳的加深,各肌肉表面肌电信号频域指标MF逐渐减小,MF与平均功率之间的相关性也达到显著性水平,提示其可作... 采用实验法,对运动员60 s全力蹬踏自行车下肢肌肉sEMG变化特征及与输出功率的相关性进行研究。结果显示:随着运动时间的延长和疲劳的加深,各肌肉表面肌电信号频域指标MF逐渐减小,MF与平均功率之间的相关性也达到显著性水平,提示其可作为评价自行车运动过程中运动员疲劳程度的指标。60 s全力蹬踏自行车运动后运动员股直肌和腓肠肌外侧肌肉MF值下降均特别明显,提示其在整个运动过程中的疲劳程度较深,可将其作为重点训练的肌群。 展开更多

关键词 自行车运动员 下肢肌肉 semg 表面肌电信号 肌肉疲劳 输出功率

在线阅读 下载PDF 职称材料

基于感知反馈的手部康复交互系统研究

9

作者 李洋 陈恩伟 +3 位作者 武迪 穆景颂 曹大迪 王勇 《合肥工业大学学报(自然科学版)》 北大核心 2025年第5期583-590,共8页

为提高手部功能康复设备的多功能性、康复方案与交互方式的多样性,增加康复训练的趣味性,文章设计一款基于感知反馈的手部康复交互系统。该系统包含基于康复训练装置和信号采集、数据处理、感知反馈等模块设计的3款康复游戏(“飞翔的小... 为提高手部功能康复设备的多功能性、康复方案与交互方式的多样性,增加康复训练的趣味性,文章设计一款基于感知反馈的手部康复交互系统。该系统包含基于康复训练装置和信号采集、数据处理、感知反馈等模块设计的3款康复游戏(“飞翔的小鸟”和“乒乓球”游戏用于训练手指的屈伸能力,“贪吃蛇”游戏用于训练手部的协调能力),并具有基于表面肌电信号和基于图像手势识别的2种主动交互式训练方案。样机实验测试结果证明,康复系统具有良好的稳定性,感知反馈可以有效增强手部康复系统的交互能力,提升患者的康复效果。文章研究结果可为手部康复治疗提供一种有效的康复训练交互过程。 展开更多

关键词 多模态感知反馈 交互系统 表面肌电信号 手部康复 游戏化

在线阅读 下载PDF 职称材料

基于表面肌电信号的CNN-LSTM模型下肢动作识别

10

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 职称材料

自主研发无线表面肌电系统对咀嚼肌功能活动的评价研究

11

作者 李文博 朱玉佳 +5 位作者 秦庆钊 单珅瑶 高梓翔 温奥楠 王勇 赵一姣 《华西口腔医学杂志》 北大核心 2025年第3期346-353,共8页

目的本研究旨在评价自主研发的国产化口腔无线表面肌电监测系统(Oralmetry表面肌电仪)在颞肌和咬肌活动评估中的可重复性和一致性,为其临床应用提供理论支持。方法招募22名志愿者,分别使用自主研发的Oralmetry表面肌电仪和2台商品化的... 目的本研究旨在评价自主研发的国产化口腔无线表面肌电监测系统(Oralmetry表面肌电仪)在颞肌和咬肌活动评估中的可重复性和一致性,为其临床应用提供理论支持。方法招募22名志愿者,分别使用自主研发的Oralmetry表面肌电仪和2台商品化的表面肌电仪(Zebris、Teethan表面肌电仪)重复多次采集志愿者紧咬牙状态下双侧颞肌前束和咬肌的表面肌电(sEMG)信号。对采集的sEMG进行滤波、筛选、标准化处理,并计算7项用于评价咀嚼肌功能的sEMG指标。使用组内相关系数(ICC)评估3台表面肌电仪测量结果的可重复性,并通过统计学分析对比3台表面肌电仪获得的7项sEMG指标的一致性。结果针对22名受试者,3台表面肌电仪重复测量输出数值的ICC均介于0.88~0.99之间。Zebris表面肌电仪获得的前后系数、百分比重叠系数(咬肌、颞肌)等3项sEMG指标与Oralmetry表面肌电仪和Teethan表面肌电仪2台设备的测量结果间差异存在统计学意义(P<0.05)。Oralmetry表面肌电仪和Teethan表面肌电仪获得的7项sEMG指标差异均无统计学意义。结论Oralmetry表面肌电仪与2台商品化的表面肌电仪在获取用于评价咀嚼肌功能的各项sEMG指标的表现时,各自均表现出较好的可重复性,但其ICC在三者中表现最优。3台表面肌电仪测量的sEMG指标间也表现出较好的一致性,尤其2台无线表面肌电仪(Oralmetry和Teethan)的测量指标结果表现出高度的一致性。上述结果为Oralmetry表面肌电仪的临床应用提供了理论依据。 展开更多

关键词 表面肌电仪 肌电信号 咀嚼肌 颞肌 咬肌

在线阅读 下载PDF 职称材料

sEMG信号采集电路设计及其特征提取算法 被引量：3

12

作者 赵谦 郭方锐 杨官玉 《数据采集与处理》 CSCD 北大核心 2019年第6期1039-1049,共11页

表面肌电(Surface electromyography,sEMG)信号直接、客观地反映了神经和肌肉的活动功能状态,已获得广泛应用。本文设计了一种sEMG信号采集电路并以单通道形式采集上肢5种动作的sEMG信号,经小波包变换提取6种特征(其中一种引自基于小波... 表面肌电(Surface electromyography,sEMG)信号直接、客观地反映了神经和肌肉的活动功能状态,已获得广泛应用。本文设计了一种sEMG信号采集电路并以单通道形式采集上肢5种动作的sEMG信号,经小波包变换提取6种特征(其中一种引自基于小波变换的特征提取方法)并分别结合PCA和KPCA进行处理;再分别用BP神经网络和SVM进行动作识别。此外,对比了小波变换的特征提取;讨论了KPCA与PCA在特征变换上的差异。所提取的基于小波包变换的6种特征有5种的识别率均超过95.7%,其中引入的高低频系数组合特征在BP神经网络下平均识别率超过99%。基于小波变换提取的5种特征经KPCA变换后也达到较高的识别率。实验结果表明,本文的sEMG信号采集方法及其特征提取方法均达到较好效果。 展开更多

关键词 信号采集 semg信号 特征提取 小波变换 小波包变换 KPCA

在线阅读 下载PDF 职称材料

基于ISSA-VMD和二代小波的sEMG信号降噪研究 被引量：5

13

作者 吴田 蔡豪 +3 位作者 梁加凯 徐勇 黄梦婷 王南极 《电子测量技术》 北大核心 2023年第2期93-100,共8页

表面肌电(sEMG)信号是一种可以有效表征肌肉活动的弱生理信号,采集过程中易受到多种噪声干扰。为解决变分模态分解(VMD)参数经验设置的问题,并进一步消除sEMG信号中的噪声,提出了一种基于改进麻雀算法(ISSA)优化VMD和二代小波阈值法相... 表面肌电(sEMG)信号是一种可以有效表征肌肉活动的弱生理信号,采集过程中易受到多种噪声干扰。为解决变分模态分解(VMD)参数经验设置的问题,并进一步消除sEMG信号中的噪声,提出了一种基于改进麻雀算法(ISSA)优化VMD和二代小波阈值法相结合的sEMG信号降噪法。首先,采用基于改进T混沌映射、自适应权重和麻雀数目动态变化的改进麻雀算法并将品质因子作为目标函数对VMD进行参数寻优,然后利用ISSA优化的VMD分解对预处理过的sEMG信号进行分解,通过谱相关分析区分信号分量和噪声分量,最后对信号分量进行二代小波阈值法降噪,得到降噪信号。结果表明:ISSA较SSA有效提高了VMD参数寻优能力;在不同噪声等级下,基于ISSA-VMD和二代小波硬阈值的降噪法的降噪性能优于二代小波和ISSA-VMD;基于ISSA-VMD与二代小波硬阈值降噪法处理实际sEMG信号,能有效去除噪声。 展开更多

关键词 表面肌电信号 麻雀算法 变分模态分解 二代小波 相关分析

在线阅读 下载PDF 职称材料

基于sEMG和变刚度控制的虚拟假手交互系统

14

作者 余伟杰 曾洪 +1 位作者 金伟明 宋爱国 《传感器与微系统》 CSCD 北大核心 2023年第2期68-71,79,共5页

为使虚拟假手在交互时具有柔顺性,实现了一种基于表面肌电(sEMG)信号和变刚度控制的虚拟假手交互系统。首先,采集人体前臂的sEMG信号并从中估计人手的刚度水平和关节扭矩;然后,通过变刚度阻抗控制模型估计虚拟假手的关节角度;最后,使用... 为使虚拟假手在交互时具有柔顺性,实现了一种基于表面肌电(sEMG)信号和变刚度控制的虚拟假手交互系统。首先,采集人体前臂的sEMG信号并从中估计人手的刚度水平和关节扭矩;然后,通过变刚度阻抗控制模型估计虚拟假手的关节角度;最后,使用估计的关节角度控制虚拟假手与虚拟环境中的物体进行交互,交互过程中根据虚拟假手与物体的交互力对关节角度进行动态调节。实验结果表明:基于sEMG和变刚度控制的虚拟假手在进行抓握物体的交互任务时能在成功抓握物体的前提下产生较小的交互力,从而实现柔顺的交互。 展开更多

关键词 表面肌电信号 变刚度控制 MYO臂环 虚拟假手

在线阅读 下载PDF 职称材料

融合表面肌电和姿势信息的轮椅绩效评价方法

15

作者 王振宇 向泽锐 +2 位作者 吕思龙 龙思雨 支锦亦 《包装工程》 CAS 北大核心 2024年第4期141-151,共11页

目的为客观评价轮椅的使用效益,使用表面肌电设备测试轮椅使用过程中的肌电信号,并融合姿势信号IMU来构建人机评价模型。方法分别对轮椅的折叠、刹车方式及行驶坡度进行试验来评估轮椅的使用绩效,通过对比用力肌群间的疲劳状况来判定较... 目的为客观评价轮椅的使用效益,使用表面肌电设备测试轮椅使用过程中的肌电信号,并融合姿势信号IMU来构建人机评价模型。方法分别对轮椅的折叠、刹车方式及行驶坡度进行试验来评估轮椅的使用绩效,通过对比用力肌群间的疲劳状况来判定较为舒适的轮椅折叠及刹车方式。实验要求被试者在执行轮椅任务时,分别使用两种折叠方式和三种刹车方式不同的轮椅进行实验,并在操作动作任务过程中采集sEMG和IMU信号,在实验任务结束后填写NASA-TLX量表。结果根据模型的评价指标对实验数据进行了比较与分析,横向收折式折叠和凹口式刹车(手刹位于前方)的轮椅疲劳度低,在3~4°坡度范围下轮椅使用者的受力最小,较为舒适,从而验证了模型在轮椅人机评价上的可行性,为优化轮椅设计提供参考。结论人机评价模型适用于评估产品绩效,同时提出的融合表面肌电和姿势信息的轮椅绩效评价方法具有较高的精度和准确性,能够有效地评估轮椅使用者的绩效水平。 展开更多

关键词 表面肌电 姿势信号 轮椅绩效 评价模型 惯性测量单元

在线阅读 下载PDF 职称材料

基于CNN-Transformer网络融合模型的动态肌肉疲劳状态识别研究 被引量：2

16

作者 刘景轩 陶庆 +3 位作者 赵暮超 胡学政 马金旭 袁陆 《陕西科技大学学报》 北大核心 2024年第2期208-215,共8页

为了解决现有的肌肉疲劳状态分类较少以及识别准确率不高的问题,提出一种基于表面肌电信号的CNN-Transformer肌肉疲劳识别模型,实现了动态肌肉疲劳的准确分类.该模型将传统的卷积神经网络与Transformer编码器模块相结合,相比单一卷积神... 为了解决现有的肌肉疲劳状态分类较少以及识别准确率不高的问题,提出一种基于表面肌电信号的CNN-Transformer肌肉疲劳识别模型,实现了动态肌肉疲劳的准确分类.该模型将传统的卷积神经网络与Transformer编码器模块相结合,相比单一卷积神经网络模型有更好的全局信息捕捉能力,对运动性肌肉疲劳识别具有更好的分类精度.首先,对15名健康受试者进行肘关节屈伸运动疲劳实验并基于疲劳程度划分了四种状态;其次,将获取的表面肌电信号数据进行预处理,并提取近似熵和排列熵两个非线性特征作为机器学习的特征输入;最后,利用原始表面肌电信号数据构建CNN-Transformer识别模型,与卷积神经网络、Transformer、随机森林模型进行比较.结果表明,在识别肌肉疲劳状态准确率方面CNN-Transformer模型比卷积神经网络、Transformer和随机森林模型分别高出2.89%、5.48%、7.24%,可见该模型具有良好的分类效果. 展开更多

关键词 表面肌电信号 动态肌肉疲劳 卷积神经网络 Transformer编码器

在线阅读 下载PDF 职称材料

表面肌电关节连续运动估计的研究进展 被引量：1

17

作者 马一凡 魏德健 +2 位作者 冯妍妍 于丰帆 李振江 《计算机工程与应用》 CSCD 北大核心 2024年第14期26-36,共11页

表面肌电信号(surface electromyography, sEMG)是一种非侵入式的生物电信号,用于捕捉运动过程中肌肉活动的变化。因其与运动密切相关,所以广泛应用于智能辅助康复设备的研发过程中,为康复者提供支持和帮助。康复训练涉及到复杂的立体运... 表面肌电信号(surface electromyography, sEMG)是一种非侵入式的生物电信号,用于捕捉运动过程中肌肉活动的变化。因其与运动密切相关,所以广泛应用于智能辅助康复设备的研发过程中,为康复者提供支持和帮助。康复训练涉及到复杂的立体运动,而基于sEMG的关节连续运动估计是一种通过分析运动期间的sEMG来估计关节角度或力矩的方法,它能够有效缓解康复机器与人体之间的适应性不足的问题,并提供更安全的辅助,从而显著改善康复效果。介绍了关节连续运动估计的现状,然后根据不同的研究方法将现有的sEMG关节连续运动估计模型分为基于生物力学的肌肉骨骼模型和基于机器学习的回归模型,分别对相关模型进行总结分析;分析了当前所面临的挑战,并展望了未来的研究趋势。 展开更多

关键词 表面肌电信号(semg) 关节连续运动 肌肉骨骼模型 回归模型

在线阅读 下载PDF 职称材料

基于注意力机制的CNN-LSTM网络下肢膝关节角度预测

18

作者 汤璐 杨玺霖 +2 位作者 王祥瑞 胡倩媛 郑辉 《数据采集与处理》 CSCD 北大核心 2024年第4期996-1008,共13页

解析膝关节运动意图是实现下肢外骨骼机器人穿戴舒适性的核心。神经系统疾病患者常伴有下肢运动障碍,通过表面肌电信号对其进行运动评估。为实现上述患者在运动评估与关节角度预测的融合,本文提出一种新型的基于注意力机制的CNN-LSTM网... 解析膝关节运动意图是实现下肢外骨骼机器人穿戴舒适性的核心。神经系统疾病患者常伴有下肢运动障碍,通过表面肌电信号对其进行运动评估。为实现上述患者在运动评估与关节角度预测的融合,本文提出一种新型的基于注意力机制的CNN-LSTM网络模型,通过10通道表面肌电信号实现水平行走、上坡和上楼梯时3种日常运动膝关节角度预测,其预测误差指标均方根误差(Root mean square error,RMSE)、平均绝对误差(Mean absolute error,MAE)和决定系数(R^(2))均值分别为2.74、2.50和0.97,均优于传统网络模型。进一步,通过消融实验,显示上述3个预测指标分别平均下降了20.47%、34.36%和6.59%。可见,本文提出的基于注意力机制的CNN-LSTM模型端到端预测方法具有最高的预测精度,为下肢外骨骼机器人系统的人机交互控制方案提供了参考。 展开更多

关键词 表面肌电信号 CNN-LSTM模型 注意力机制 关节角度预测 外骨骼机器人

在线阅读 下载PDF 职称材料

基于小腿表面肌电的智能机器人协同控制方法 被引量：14

19

作者 徐超立 林科 +2 位作者 杨晨 吴超华 高小榕 《中国生物医学工程学报》 CAS CSCD 北大核心 2016年第4期385-393,共9页

作为人机交互的核心内容之一,面向机器人控制的步态识别拥有广泛的应用前景。提出一种基于小腿表面肌电信号的智能移动机器人控制方法。通过优化互信息的最大相关最小冗余算法(MRMR),实现对前进、后退、左转、右转等4种步态分类识别,并... 作为人机交互的核心内容之一,面向机器人控制的步态识别拥有广泛的应用前景。提出一种基于小腿表面肌电信号的智能移动机器人控制方法。通过优化互信息的最大相关最小冗余算法(MRMR),实现对前进、后退、左转、右转等4种步态分类识别,并建立一套移动机器人同步控制系统。使用表面肌电信号(sEMG)作为输入信息,对人步态动作进行分类识别,并转化为对机器人运动进行控制的信息,从而实现人与智能移动机器人的实时协同交互。通过采集8名受试者前进、后退、左转、右转行走时的小腿表面肌电信号,并实时控制智能机器人的运动。结果表明,在少量的训练条件下,该方法的步态识别准确率可达88%。基于此方法搭建的移动机器人协同控制系统,具有较强的实时控制能力以及较高的控制准确度。基于小腿表面肌电的智能机器人协同控制方法具有良好的应用前景,未来或可广泛应用于人机运动协调机器人控制等领域。 展开更多

关键词 小腿表面肌电信号 步态识别 最大相关最小冗余算法 智能机器人

在线阅读 下载PDF 职称材料

基于FFT盲辨识的肌电信号建模及模式识别 被引量：8

20

作者 李阳 田彦涛 陈万忠 《自动化学报》 EI CSCD 北大核心 2012年第1期128-134,共7页

针对表面肌电信号(Electromyographic signal,sEMG)产生原理复杂、易受人体自身及外界因素影响的特点,采用基于快速傅里叶变换(Fast Fourier transform,FFT)的盲辨识方法建立肌电信号模型.该方法通过计算即可确定信道阶次,无需人为凭借... 针对表面肌电信号(Electromyographic signal,sEMG)产生原理复杂、易受人体自身及外界因素影响的特点,采用基于快速傅里叶变换(Fast Fourier transform,FFT)的盲辨识方法建立肌电信号模型.该方法通过计算即可确定信道阶次,无需人为凭借经验设定,且计算简单、易于实现、运算速度快.其利用输出信道间的相互关系特性,实现信号的频域盲辨识,建立数学模型.此方法适用于小样本信号建模,非常适合易受肌肉疲劳影响的表面肌电信号.将模型系数作为改进的BP神经网络的输入,实现多运动模式识别,与其他盲辨识方法比较,此方法识别效果较好. 展开更多

关键词 肌电信号 盲辨识 快速傅里叶变换 奇异值分解

在线阅读 下载PDF 职称材料