基于多源信息融合的肌电轮椅智能控制技术研究

发布时间：2023-06-03 18:14

　　传统手势识别设备很难同时满足识别精度与便携性的要求,同时,基于单一传感器的手势识别策略获取的信息较少,识别结果易受各种因素的影响。而相较于传统的摇杆控制方式,手势控制方式更为便捷,并且可实现远距离操作。基于此背景提出了基于多源信息融合的肌电轮椅智能控制技术研究,设计了一套便携式肌电信号与运动信息采集系统,其中运动信息包括加速度信号和角度信号。利用极限学习机构建识别算法模型,优化了融合分类结构,并以此识别结果控制轮椅运动。实验结果表明:相较于单一传感器手势识别方案,识别准确率提升了6.1%～12.3%,达到了94.7%;相较于传统模式识别方法,分类准确率提升了1.5%～6.0%,并且,轮椅控制系统的在线平均识别率达到了95.2%,满足实时性要求。

【文章页数】：9 页

【文章目录】：
0 引言
1 系统总体流程
2 系统硬件设计
    2.1 肌电信号采集电路
    2.2 加速度信号与角度信号采集电路
3 系统软件设计
    3.1 信号预处理部分
        3.1.1 肌电信号预处理
        3.1.2 加速度信号与角度信号预处理
    3.2 肌电信号特征提取部分
        3.2.1 肌电信号活动段提取
        3.2.2 肌电信号特征提取
            1)积分肌电值(iEMG)。
            2)均方根(RMS)。
            3)平均功率频率(MPF)。
            4)中值频率(MF)。
    3.3 加速度信号特征提取部分
        3.3.1 加速度信号活动段提取
        3.3.2 加速度信号特征提取
            1)均值。
            2)标准差。
            3)偏度。
            4)峰度。
    3.4 角度信号特征提取部分
    3.5 基于ELM的信息融合识别系统
        3.5.1 极限学习机(ELM)原理
        3.5.2 特征级信息融合结构
4 实验与结果分析
5 结语



本文编号：3829793