面向林业机械手势控制的表面肌电信号分类方法

发布时间：2020-11-02 18:27

　　 随着林业机械的飞速发展,人类在在林区作业的方式已经发生了很大的变化,将手势识别应用于控制林业机械将更加自由便利、更加高效、更加人性化。因而,通过分析表面肌电(Surface Electromyography,sEMG)信号,利用信号处理技术准确识别出手势是现在的研究热点。传统的sEMG信号手势识别方法由于提取的特征数据不够充分或者是分类器模型的泛化性能不强,导致对多人的肌电信号同时进行手势的识别率不够高。针对这个问题,本文提出使用27类特征融合的特征向量和基于有向无环图和支持向量机的分类方法进行手势识别。本文的主要研究内容和结论如下:1、本文对15名健康受试者在手臂的掌长肌、肱桡肌、指伸肌和尺侧腕伸肌这四块目标肌肉附近对握拳、展拳、上切、下切、外翻和内翻这六个手势动作采集了各10组的四路sEMG信号,并对其进行包括消噪、放大和活动段检测在内的预处理;2、本文利用时域、频域、时频域和非线性动力学分析方法对预处理后的sEMG信号进行特征计算,共得到27类特征。相比于将特征的简单组合,利用特征提取(降维)算法对特征向量进行处理后的识别结果更加理想,利用6种分类算法对4种特征提取方法后的数据进行识别测试,表明经线性判别分析处理后的数据识别效果最好,最佳维数在5～8维;3、本文在支持向量机和有向无环图的分类方法基础上,提出了一种改进分类方法DAGSVMerr算法,利用预识别中的误识别率来计算分离性测度,并和一对多算法、一对一算法和另外两种基于欧氏距离计算分离性测度的有向无环图-支持向量机算法进行对比实验,结果表明DAGSVMerr算法的识别效果最好,平均识别率高达99.4%。再将其与五种常用的分类算法进行比较,实验表明DAGSVMerr算法的识别率最高。
【学位单位】：北京林业大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：S776;TP241;TN911.7
【部分图文】：

区域的记录电极将检测到电位或电压（相对于地面），它的时间偏移被称为动作电位??（Ｄｅ?Ｌｕｃａ，１９７９）。多条肌纤维的动作电位在时间上和空间上同时叠加起来，这就会形??成运动单位动作电位（Ｍｏｔｏｒ?Ｕｎｉｔ?Ａｃｔｉｏｎ?Ｐｏｔｅｎｔｉａｌ，?ＭＵＡＰ）。图２－１给出了形成ＭＵＡＰ??的示意图（Ｋｏｎｒａｄ，?２００５）。在检测电极处，皮下组织（皮肤、脂肪和肌肉等）组成的??容积导体对ＭＵＡＰ序列会产生滤波作用，它们在时间和空间上的叠加，再加上这个??过程中的噪声影响，这便形成了肌电信号。通过电极从表面皮肤记录肌肉运动时的肌??肉生物信号称为ｓＥＭＧ信号（Ａｒｍａｇａｎ?ｅｔ?ａｌ，?２００３）。??运动终板?动作电位??１?１?ｔ?ａ?户一＇１?—??运?Ｔ?——．．．．．．－Ｈ?２?＿－??ｒｎ?Ｑ）?ｖ?Ａ?＋??十??运动单位动作电位（ＭＡＵＰ）?—??图２－１形成运动单位动作电位的示意图??Ｆｉｇ．?２－１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｍｏｔｏｒ?ｕｎｉｔ?ａｃｔｉｏｎ?ｐｏｔｅｎｔｉａｌｓ’?ｆｏｒｍａｔｉｏｎ??所以，ｓＥＭＧ信号的产生是一种肌肉活动有关的皮肤表面产生的一种生物电现象，??７??

?Ｉｇｉａ—??图２－３?ＲＭ６２４０Ｂ配有的电缆线??Ｆｉｇ．２－３?Ｔｈｅ?ｃａｂｌｅ?ｅｑｕｉｐｐｅｄ?ｂｙ?ＲＭ６２４０Ｂ??２．２．２．手势动作与目标肌肉的确定??根据林业机械的操作命令，结合前臂肌肉的功能，选取六个有关屈伸手指和转动??手腕的动作，分别是握拳、展拳、上切、下切、外翻和内翻，如图２－４所示。因此，??本研究的手势识别技术可以应用在６个控制命令以下的林业机械设备的控制方式上。??如将应用于整枝机控制，则这六个手势动作可以直观地表达整枝机的六个控制命令，??手势动作和控制命令之间的对应关系为：握拳对应中位，上切对应上升，下切对应下??降，外翻对应怠速，内翻对应作业，展拳对应行走（胡昕卉等，２０１７）。??ａ?ｂ?ｃ??ｙ．?今、????Ｖ＊／?／，／??７?Ｗ??ｄ?ｅ?ｆ??图２－４六类手势动作的示意图??ａ握拳；ｂ展拳；ｃ外翻；ｄ内翻；ｅ上切；ｆ下切。??Ｆｉｇ．?２－４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｉｘ?ｇｅｓｔｕｒｅｓ??ａ?Ｆｉｓｔ；ｂ?Ｆｉｎｇｅｒ?ｓｐｒｅａｄ；ｃ?Ｐａｌｍ?ｓｕｐｉｎａｔｉｏｎ；ｄ?Ｐａｌｍ?ｐｒｏｎａｔｉｏｎ；ｅ?Ｐａｌｍ?ｌａｔｅｒａｌ?ｓｕｐｉｎａｔｉｏｎ；ｆ?Ｐａｌｍ?ｌａｔｅｒａｌ??ｐｒｏｎａｔｉｏｎ．??目标肌肉的确定需要考虑一下因素：首先优先选择前臂浅层的肌肉，因为电极片??９??

２．２．２．手势动作与目标肌肉的确定??根据林业机械的操作命令，结合前臂肌肉的功能，选取六个有关屈伸手指和转动??手腕的动作，分别是握拳、展拳、上切、下切、外翻和内翻，如图２－４所示。因此，??本研究的手势识别技术可以应用在６个控制命令以下的林业机械设备的控制方式上。??如将应用于整枝机控制，则这六个手势动作可以直观地表达整枝机的六个控制命令，??手势动作和控制命令之间的对应关系为：握拳对应中位，上切对应上升，下切对应下??降，外翻对应怠速，内翻对应作业，展拳对应行走（胡昕卉等，２０１７）。??ａ?ｂ?ｃ??ｙ．?今、????Ｖ＊／?／，／??７?Ｗ??ｄ?ｅ?ｆ??图２－４六类手势动作的示意图??ａ握拳；ｂ展拳；ｃ外翻；ｄ内翻；ｅ上切；ｆ下切。??Ｆｉｇ．?２－４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｉｘ?ｇｅｓｔｕｒｅｓ??ａ?Ｆｉｓｔ；ｂ?Ｆｉｎｇｅｒ?ｓｐｒｅａｄ；ｃ?Ｐａｌｍ?ｓｕｐｉｎａｔｉｏｎ；ｄ?Ｐａｌｍ?ｐｒｏｎａｔｉｏｎ；ｅ?Ｐａｌｍ?ｌａｔｅｒａｌ?ｓｕｐｉｎａｔｉｏｎ；ｆ?Ｐａｌｍ?ｌａｔｅｒａｌ??ｐｒｏｎａｔｉｏｎ．??目标肌肉的确定需要考虑一下因素：首先优先选择前臂浅层的肌肉，因为电极片??９??
【参考文献】

相关期刊论文 前10条

1 蔡军;李玉兰;;基于DBN的sEMG智能轮椅人机交互系统[J];华中科技大学学报(自然科学版);2015年S1期

2 郭谋发;徐丽兰;缪希仁;陈立纯;;采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法[J];中国电机工程学报;2014年28期

3 田建勋;陈香;李云;杨基海;;一种基于加速度与表面肌电信息融合和统计语言模型的连续手语识别方法[J];中国生物医学工程学报;2011年03期

4 王艳;陈欢欢;沈毅;;有向无环图的多类支持向量机分类算法[J];电机与控制学报;2011年04期

5 罗志增;熊静;刘志宏;;一种基于WPT和LVQ神经网络的手部动作识别方法[J];模式识别与人工智能;2010年05期

6 ;第七次全国森林资源清查及森林资源状况[J];林业资源管理;2010年01期

7 郑德慧;;浅析林业机械的发展及其应用[J];科技信息;2009年27期

8 蒋全胜;贾民平;胡建中;许飞云;;基于拉普拉斯特征映射的故障模式识别方法[J];系统仿真学报;2008年20期

9 罗志增;严庭芳;;基于HMM的表面肌电信号模式分类[J];华中科技大学学报(自然科学版);2008年04期

10 周云龙;陈飞;孙斌;;基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别[J];核动力工程;2008年01期

相关博士学位论文 前3条

1 王秀美;隐变量模型的建模与优化[D];西安电子科技大学;2010年

2 刘小明;数据降维及分类中的流形学习研究[D];浙江大学;2007年

3 任海兵;非特定人自然的人体动作识别[D];清华大学;2003年

相关硕士学位论文 前5条

1 徐慧娟;自回归AR模型的整体最小二乘分析研究[D];东华理工大学;2012年

2 郑鑫;基于表面肌电信号的手臂运动模式识别方法研究[D];吉林大学;2012年

3 刘欣;基于模式识别的肌电信号动作分类性能研究[D];山东大学;2010年

4 田喜英;主元分析和非线性方法在表面肌电信号中的应用研究[D];上海交通大学;2009年

5 邱青菊;表面肌电信号的特征提取与模式分类研究[D];上海交通大学;2009年

本文编号：2867405