基于手勢(shì)動(dòng)作肌電信號(hào)的虛擬鼠標(biāo)控制.pdf

1、表面肌電信號(hào)(Surface Electromyography)SEMG作為一種重要的生物電信號(hào)，已經(jīng)被廣泛應(yīng)用于仿生學(xué)、生物反饋、運(yùn)動(dòng)醫(yī)學(xué)和康復(fù)工程中。近年來(lái)，基于動(dòng)作SEMG信號(hào)的手勢(shì)識(shí)別技術(shù)作為一個(gè)研究熱點(diǎn)，被開發(fā)作為人機(jī)交互的控制信號(hào)，用于控制肌電假肢、輔助裝置以及其他電子設(shè)備。論文的研究?jī)?nèi)容有以下幾個(gè)方面： 1)基于神經(jīng)網(wǎng)絡(luò)的手勢(shì)動(dòng)作肌電信號(hào)的模式識(shí)別，包括信號(hào)的預(yù)處理、活動(dòng)段檢測(cè)、特征提取和分類。利用帶通濾波器對(duì)采集

2、到的原始SEMG信號(hào)進(jìn)行預(yù)處理，以抑制噪聲；采用移動(dòng)平均算法對(duì)活動(dòng)段進(jìn)行檢測(cè)，以判斷有效動(dòng)作信號(hào)的起始點(diǎn)和終止點(diǎn)；提取幅度絕對(duì)值均值、過(guò)零率和3階AR模型系數(shù)作為SEMG信號(hào)的特征；采用BP神經(jīng)網(wǎng)絡(luò)和SOFM網(wǎng)絡(luò)對(duì)動(dòng)作SEMG信號(hào)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，兩種神經(jīng)網(wǎng)絡(luò)對(duì)手勢(shì)的識(shí)別均獲得了較高的識(shí)別正確率。 2)基于VB平臺(tái)的虛擬鼠標(biāo)(光標(biāo))控制的設(shè)計(jì)和實(shí)現(xiàn)。利用手勢(shì)動(dòng)作肌電信號(hào)模式識(shí)別的結(jié)果，采用Windows自帶的API函數(shù)實(shí)現(xiàn)