基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的表面肌電信號分析.pdf

1、表面肌電信號分析在臨床診斷、康復(fù)醫(yī)學(xué)、運動醫(yī)學(xué)和體育科學(xué)等領(lǐng)域具有廣泛的應(yīng)用背景和重要的研究價值。它是從皮膚表面記錄下來的神經(jīng)肌肉活動時發(fā)放的生物電信號，記錄肌肉收縮時所產(chǎn)生的電波動，反映了神經(jīng)、肌肉的功能狀態(tài)。本文針對假肢控制問題，主要研究如何從動作表面肌電信號中有效地提取實現(xiàn)準(zhǔn)確的動作識別的信息，實現(xiàn)肌電控制假肢實用化。
　　本文首先概述了當(dāng)前表面肌電信號的研究現(xiàn)狀，詳細介紹了肌電信號的產(chǎn)生機理及其應(yīng)用，這部分知識為本課題的研

2、究提供了理論基礎(chǔ)。
　　然后，為了盡可能地提高假肢控制時表面肌電信號分類的準(zhǔn)確識別率，我們嘗試?yán)镁植颗袆e基方法來對表面肌電信號進行分類，該方法的主要思想是根據(jù)可分性度量找出具有最大可分性的部分小波包系數(shù)作為特征矢量。但考慮到不同人的不同動作的表面肌電信號的能量大小是有差異的，因此本文提出了基于可分性度量和小波包相對能量的最佳小波包方法，并將該方法應(yīng)用到表面肌電信號的分類問題當(dāng)中，實驗證明該算法比固定尺度的小波包基方法有著更好的效

3、果。
　　另外，本文還研究并比較了BP網(wǎng)絡(luò)、LVQ網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)和LM網(wǎng)絡(luò)這四種具有代表性的神經(jīng)網(wǎng)絡(luò)分類器的性能。實驗表明，LVQ神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)使用的BP網(wǎng)絡(luò)的性能要好，具有訓(xùn)練速度快、神經(jīng)元個數(shù)少、識別率高等優(yōu)點，是一種較好的分類器，又易于硬件實現(xiàn)，故為肌電假肢控制提供了一種新的方法。
　　最后，本文將遺傳算法應(yīng)用于基于離散諧波小波包變換的表面肌電信號分類方法中。在對信號進行離散諧波小波包分解，計算信號在各個頻帶的相對能