基于机器学习的多模式肌电信号识别算法研究_陆鑫.pdf
《基于机器学习的多模式肌电信号识别算法研究_陆鑫.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的多模式肌电信号识别算法研究_陆鑫.pdf(3页珍藏版)》请在咨信网上搜索。
1、2023.4电脑编程技巧与维护1概述实际生活中,人手在抓取物体的过程中,往往是手势和手腕协同运动的结果。通过手指的协调配合,与被抓物体形成封闭空间,从而保证对物体的抓取,然后通过腕关节的调节,对抓取物体进行定位,实现精准抓取。为了能够识别手势、腕关节运动及抓取的负载,开展了由5种腕关节位置、4种抓取手势及3种抓取负载耦合组成的60种假手操作模式的分类识别。首先,分析前臂肌肉分布和各肌肉的功能,选择肌电测点位置并采集各操作模式对应的肌电信号;其次,根据肌电信号的频带分布及采集信号中运动伪迹的特点,对信号进行预处理,去除其中的无关成分;再次,采用滑动时窗的方式,计算各窗口内肌电信号的特征;最后,基
2、于集成学习算法,构建了基于肌电信号的假手操作模式识别算法。2肌电信号的采集及处理人的前臂一共有19块肌肉,主要由3条神经进行支配。针对研究,需要寻找支配人体前臂各关节运动的功能肌肉并根据需要识别的动作确定电极设置位置。根据人手腕关节及手指运动相关的肌肉关系,选取在抓取手势及腕关节运动过程中起主要作用,并且体积相对较大,位于浅层的8块上肢前臂肌肉,分别为桡侧腕屈肌、尺侧腕屈肌、桡侧腕长伸肌、桡侧腕短伸肌、尺侧腕伸肌、拇长展肌、指伸肌、指浅屈肌。在肌电信号的采集过程中,不可避免地会受到噪声的干扰,如心电信号、工频信号的干扰等,同时采集肌电信号的仪器可能会产生一定程度的干扰。因此,需要去除包含在肌电
3、信号中的噪声,以获得纯净的肌电信号。肌电信号频谱分布在20500Hz,且绝大部分频谱分布在20250Hz。可以使用4阶巴特沃斯滤波器对原始肌电信号进行20250Hz的带通滤波,去除无关信号的干扰,保留肌电信号的主要成分。为了利用肌电信号实时控制假手,需要从较短的肌电信号数据中快速提取有用的特征信息。常见的特征有时域特征、频域特征等。然而,肌电信号是一种非平稳信号1,且对有限的肌电信号数据进行傅里叶(Fourier)变换将会导致频率分辨率变低,得到的频域特征误差较大。相比于频域特征提取方法,时域特征提取方法计算速度快,有利于肌电信号的实时分析。根据对肌电信号的分析,可以发现在某个范围内,当抓取负
4、载变大时,肌电信号的幅值增加,同时肌电信号在抓取开始阶段信号变化明显。基于此,提取了肌电信号幅值特征,例如均方根特征(RMS)和绝对均值特征(MAV),用于表征肌电信号能量,同时提取了肌电信号的方差特征(VAR),用于表示肌电信号的变化趋势。均方根特征提取,如公式(1)所示:(1)绝对均值特征提取,如公式(2)所示:(2)方差特征提取,如公式(3)所示:(3)其中,N为时窗内的数据量;xk为时窗内数据点的幅值。为了减小肌电信号分类的延迟,选取了窗长为40个数据的滑动窗口,在每个窗口中提取以上3种特征。其中,均方根特征和绝对均值特征变化相对同步,方差特征的变化稍滞后于幅值特征的变化,同时每一次动
5、作都会引起肌电信号幅值和方差值极大的波动。3基于集成学习的肌电识别算法有监督学习算法的目标是通过学习得到一个稳定且在各分类上表现都较好的模型。然而实际情况往往比较基于机器学习的多模式肌电信号识别算法研究陆鑫,谢建斌,赵宇健(航空工业西安计算技术研究所,陕西 西安710065)摘要:肌电假手具有操控直观、本体感强的优点,成为智能假手领域的研究热点。考虑了影响肌电信号识别的主要因素,研究了由 3 种抓取负载、4 种抓取手势和 5 种腕关节位置复合构成的 60 种假手操作模式的肌电识别方法,实现了在运动耦合情况下对假手操作模式的准确识别。关键词:表面肌电信号;集成学习;特征提取123DOI:10.1
6、6184/prg.2023.04.0172023.4电脑编程技巧与维护复杂,得到的模型分类正确率较低或仅能大致判断弱监督分类结果。集成学习就是将多个弱监督模型分类结果,通过一定的规则进行集成,以期得到一个更好、更全面的强监督模型,即先通过数据训练,得到多个个体学习器,这些个体学习器往往在某方面表现较好。利用集成算法,将各个体学习器的分类结果组合,得到最终的分类结果2。与传统监督学习算法相比,利用集成学习算法训练得到的分类模型,具有良好的泛化能力,并且分类的正确率较高。在此由5种腕关节位置、4种抓取手势及3种抓取负载耦合构成的操作模式种类有60种。在每种操作模式中,驱动腕关节运动、手指抓取的肌肉
7、相互影响,因此采集得到的肌电信号具有多样性,且在空间中分布相对不集中。使用传统机器学习算法得到的模型分类性能较差,如果使用深度网络,则势必会增加运算复杂度,降低分类的实时性。将60种假手操作模式分别按照腕关节位置、抓取手势及负载大小的不同,构建腕关节位置分类模型、抓取手势分类模型和负载分类模型。对于每个模型,都要考虑内外两方面因素的影响,从而保证了肌电信号数据的多样性。根据前文的特征提取方法,以150 ms为时窗长度,提取了60种假手操作模式对应肌电信号的3种特征,同时分别按照抓取负载、腕关节位置以及手势的不同,将60种操作模式的肌电信号特征对应的目标进行分类标记;基于集成学习的肌电识别方法,
8、如图1所示。之后分别从各数据集中随机选取80%的数据作为训练集,将剩下的20%的特征作为测试模型的测试集,测试算法性能。基于Matlab R2019b中的统计与机器学习工具箱,对上述样本进行分类,根据模型要求,设置集成学习方法为“Bag”,设置学习周期数为100,设置弱学习器类型为决策树模型。在训练得到稳定模型后,检验模型在训练过程中是否达到预期效果,然后利用测试数据集对训练得到的模型进行测试。4实验验证与分析为了验证所使用算法的实际性能,招募了5名健康受试者,其中有4名男性受试者和1名女性受试者,受试者均为右利手,前臂及肌肉运动功能良好。在实验过程中,受试者需要按照顺序依次使用4种手势,承受
9、抓取480g重物、960g重物及无抓取3种负载,并且使手腕保持在弯曲最大位置、伸展最大位置、内收最大位置、外展最大位置及中间位置。在每种假手操作模式下,受试者需要保持70s,与此同时,采集受试者前臂对应肌肉的肌电信号。实验中采集频率为1000Hz,随后利用WiFi将采集的肌电信号传输并保存至上位机电脑中。基于集成学习的算法,利用划分得到的肌电信号数据集,分别构建了负载大小分类模型、抓取手势分类模型、腕关节位置分类模型。之后利用测试数据分别验证了3个分类模型的分类效果。根据前文设置的模型参数,利用各受试者在假手操作过程中的肌电信号特征,对训练得到的模型进行了测试。从表1中可以看出,在5名受试者中
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 模式 电信号 识别 算法 研究 陆鑫
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。