雙模態(tài)特征融合的踝關(guān)節(jié)主動動作模式識別.pdf

1、腦卒中會造成足下垂患者行走步態(tài)異常，能夠獨立行走是患者提高生活質(zhì)量和康復(fù)訓(xùn)練的重要環(huán)節(jié)。傳統(tǒng)的改善足下垂步態(tài)的康復(fù)手段，缺乏有效的通訊與控制途徑，不能使患者的運動康復(fù)得到有效改善，給患者、家庭和社會帶來沉重的負(fù)擔(dān)。因此，探索一種適用于人體下肢動作識別和運動控制的智能系統(tǒng)成為康復(fù)工程研究的熱點。
　　目前，人體下肢動作識別和運動控制的輸入信號大多采用對應(yīng)大腦皮層的單一模態(tài)腦電信號(EEG)或相關(guān)肌肉的表面肌電信號(EMG)。由于單一

2、模態(tài)的識別系統(tǒng)在應(yīng)用上會受到較大限制，而多模態(tài)信號融合存在多種輸入形式，可提供更多種類的控制信息，更加利于復(fù)雜動作的識別和控制。同時，由于多模態(tài)生理信號攜帶的特征信息具有互補性，有效的信息融合和綜合利用可以消除腦機接口(BCI)盲現(xiàn)象，提高系統(tǒng)的通用性。
　　論文基于EEG和EMG信號的特征融合，采用模式識別方法，研究了人體踝關(guān)節(jié)四種主動動作模式的分類識別，具體工作包含以下幾個方面:
　　(1)采用E-prime軟件，設(shè)計了

3、EEG和EMG融合系統(tǒng)的實驗范式。利用腦電儀和肌電儀，對踝關(guān)節(jié)不同動作模式的腦電信號和肌電信號進(jìn)行了同步采集。
　　(2)對采集的原始腦電信號和肌電信號進(jìn)行了相應(yīng)預(yù)處理，獲得純凈的腦電和肌電信號。對于腦電信號，采用Scan4.5分析軟件去除基線漂移和眼電偽跡，采用AR模型方法去除自發(fā)腦電的影響，利用相干平均方法，獲取腦電誘發(fā)電位P300特征信號。對于肌電信號，采用自適應(yīng)抵消器去除50Hz工頻干擾，利用小波去噪方法消除低頻漂移、高頻

4、干擾以及運動偽跡，獲得純凈的肌電信號。
　　(3)腦電信號和肌電信號特征提取。對于腦電信號，采用小波變換和時域能量熵結(jié)合的方法提取具有最優(yōu)差異性的腦電特征。對于肌電信號，分別采用時域、頻域分析方法提取肌電對應(yīng)特征;采用小波包變換方法，提取了具有良好奇異性的小波包系數(shù)能量、方差特征，組成肌電時頻特征向量。
　　(4)雙模態(tài)融合系統(tǒng)特征分類。利用徑向基核函數(shù)的支持向量機分類器，分別對腦電P300誘發(fā)電位特征和表面肌電特征進(jìn)行分類

5、以及踝關(guān)節(jié)動作識別?；谡T發(fā)腦電小波變換近似系數(shù)和時域能量熵的特征組合，分類器平均分類正確率為88.2％;選擇具有良好奇異性的小波包系數(shù)能量、方差特征組成的肌電特征向量，分類器的分類正確率為92.8％。利用貝葉斯分類器，對EEG和EMG雙模態(tài)融合特征進(jìn)行分類，踝關(guān)節(jié)四種動作平均分類識別正確率達(dá)到了93.1％。仿真實驗結(jié)果表明了融合系統(tǒng)對踝關(guān)節(jié)動作模式識別的有效性。
　　論文的研究方法和結(jié)果可以應(yīng)用于運動康復(fù)工程、神經(jīng)科學(xué)、人工智能