融合肌音信号和姿态角度信号的步态模式识别研究

发布时间：2022-12-06 18:04

　　随着我国下肢肢体残疾人数的增加和社会逐渐进入老龄化阶段,强有力地保障残疾人和老年人的下肢运动功能是非常重要的。首先需要对下肢步态动作进行精准地识别,研究内容有利于用户的日常生活监视和监测,人机交互,患者的康复和治疗以及智能假肢的应用。本课题首次融合肌音信号（MMG）和姿态角度信号对三种静态动作:站、坐、蹲;四种动态转移动作:站→坐、坐→站、站→蹲、蹲→站;四种动态动作:走、下楼、上楼、跑共1 1种步态动作进行识别研究。使用一套无线装置采集大腿四块肌肉的MMG和姿态角度信号。经过预处理和动作分割之后,提取时域、频域和时频域特征。研究了基于随机森林（RF）的特征重要度分析。并且对比了基于RF和支持向量机（SVM）在特征数目和识别率的关系。随之进行主成分分析（PCA）降维,对比分析基于RF和SVM的降维程度与识别率的关系。首次采用隐马尔科夫模型（HMM）进行四种动态动作的识别,并与SVM和二次判别分析（QDA）进行对比,对特征组合、通道组合、肌肉贡献率等方面进行深入研究。结果表明,基于肌音信号的动态动作的识别率达98.27%,基于姿态角度信号的静态和动态转移动作识别率分别是98.33%和10... 

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
附录
第1章 引言
    1.1 课题背景
    1.2 课题的目的和意义
    1.3 肌音信号研究现状
        1.3.1 肌音信号概述
        1.3.2 基于肌音信号的研究现状
    1.4 步态动作模式识别的研究现状
        1.4.1 基于加速度信号的步态模式识别研究现状
        1.4.2 基于角加速度信号的步态模式识别研究现状
        1.4.3 基于肌电信号的步态模式识别研究现状
        1.4.4 基于肌音信号的步态模式识别研究现状
    1.5 步态动作模式的相关应用
        1.5.1 智能假肢的研究现状和发展趋势
        1.5.2 老年人活动监测的研究现状和发展趋势
    1.6 本课题内容简介
        1.6.1 肌音信号和姿态角度信号的获取
        1.6.2 信号预处理
        1.6.3 特征提取、特征选择和特征降维
        1.6.4 分类器的设计
第2章 步态动作肌音和姿态角度信号的采集系统设计
    2.1 步态动作原始信号采集总体方案
    2.2 肌音和姿态角度信号的传感器选择
    2.3 信号采集系统的主控芯片选择
    2.4 采集系统的无线传输模块选择
        2.4.1 无线通讯模式选择
        2.4.2 传输模块的设计
    2.5 接收端MATLAB界面
    2.6 本章小结
第3章 步态肌音和姿态角度信号的采集实验设计和预处理
    3.1 步态肌音和姿态角度信号的采集实验设计
        3.1.1 步态动作信号采集的肌肉群选择
        3.1.2 步态动作信号采集的实验方案
    3.2 步态动作肌音和姿态角度信号的预处理
        3.2.1 步态动作肌音信号的软件滤波
        3.2.2 步态动作肌音信号的标准化
        3.2.3 步态动作肌音信号的动作分割
        3.2.4 步态动作姿态角度信号的动作分割
    3.3 本章小结
第4章 肌音信号的特征提取和特征选择
    4.1 特征提取过程
    4.2 时域特征提取方法
        4.2.1 常用的时域特征
    4.3 频域特征提取方法
        4.3.1 常用的频域特征
    4.4 时频域特征提取方法
        4.4.1 基于小波变换(WT)的特征提取
        4.4.2 基于小波包变换(WPT)的特征提取
    4.5 非线性特征提取方法
    4.6 特征选择过程介绍
    4.7 主成分分析降维方法
    4.8 基于随机森林的特征选择和重要度分析
        4.8.1 随机森林算法
        4.8.2 决策树算法
        4.8.3 基于随机森林的重要度分析
        4.8.4 基于随机森林的重要度分析的实验结果
    4.9 本章小结
第5章 融合肌音和姿态角度信号的步态模式识别
    5.1 模式识别主要过程
    5.2 基于姿态角度的静态和动态转移动作识别研究
        5.2.1 基于姿态角度信号的识别理论
        5.2.2 基于姿态角度的静态及动态转移动作的实验结果
    5.3 基于肌音信号的动态动作识别研究
        5.3.1 基于二次判别分析的动态动作模式识别研究
        5.3.2 基于支持向量机的动态动作模式识别研究
        5.3.3 基于隐马尔科夫模型的动态动作的模式识别研究
    5.4 QDA、SVM、HMM三种算法比较
        5.4.1 QDA、SVM、HMM特征选取比较
        5.4.2 QDA、SVM、HMM通道组合及肌肉贡献率比较
        5.4.3 QDA、SVM、HMM其他参数比较
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士期间成果


【参考文献】：
期刊论文
[1]肌音信号典型时域、频域特征与肌力关系研究[J]. 谢佳智,夏春明,章悦,杨珂,余静.  中国运动医学杂志. 2019(11)
[2]基于粗糙集与人工蜂群算法的动态特征选择[J]. 高薇,解辉.  计算机工程与设计. 2019(09)
[3]面向手语识别的肌音信号无线采集系统设计[J]. 封万俊,夏春明,章悦,蒋文都,刘爽,余静.  现代电子技术. 2019(18)
[4]基于肌音信号分形维数的上斜方肌静态疲劳研究[J]. 蒋文都,夏春明,章悦,封万俊.  航天医学与医学工程. 2019(03)
[5]基于随机森林的语音情感特征选择与分类[J]. 邢尹,刘立龙.  计算机与数字工程. 2019(03)
[6]基于肌音信号的握力运动时桡侧腕屈肌动态疲劳分析[J]. 钟豪,吴清,夏春明,章悦,顾晓琳,张胜利.  华东理工大学学报(自然科学版). 2018(05)
[7]综合评价中数据标准化方法比较研究[J]. 刘竞妍,张可,王桂华.  数字技术与应用. 2018(06)
[8]基于表面肌电相位同步分析的跌倒辨识研究[J]. 杜育乘,张婷婷,王晓云.  中国医学物理学杂志. 2018(03)
[9]基于EEMD和多域特征融合的手势肌电信号识别研究[J]. 马欣欣,郭敏.  云南大学学报(自然科学版). 2018(02)
[10]基于肌音信号短时傅里叶变换的桡侧腕屈肌疲劳程度研究[J]. 章悦,夏春明,钟豪,顾晓琳.  华东理工大学学报(自然科学版). 2017(02)

硕士论文
[1]基于肌音信号的无线采集系统设计及手语识别初期应用研究[D]. 封万俊.华东理工大学 2019
[2]基于肌音信号的头部动作模式识别及其应用的研究[D]. 顾晓琳.华东理工大学 2018
[3]基于肌音信号的指部动作模式识别研究[D]. 宋中建.华东理工大学 2013
[4]表面肌电信号的特征提取与模式分类研究[D]. 邱青菊.上海交通大学 2009



本文编号：3711381