一種基于改進sEMG活動段檢測的手部運動意圖識別新方法

一種基于改進sEMG活動段檢測的手部運動意圖識別新方法摘要手部運動意圖識別一直是生物醫(yī)學工程領域中的一個熱點研究方向，在康復治療、智能假肢、人機交互等領域具有廣闊的應用前景?；诒砻婕‰娦盘?sEMG)的手部運動意圖識別是一種非侵入式的方法，近年來受到了廣泛的關注。然而，sEMG信號存在著干擾和噪聲等問題，對手部運動意圖識別的準確性和實用性構成一定的挑戰(zhàn)。本文提出了一種改進的sEMG活動段檢測算法，通過針對sEMG信號中的干擾和噪聲進行處理，提高了手部運動意圖識別的準確性和實用性。采用此算法，本文還實現(xiàn)了一個手部運動意圖識別模型，通過實驗驗證了該算法的有效性和實用性。關鍵詞：手部運動意圖識別；表面肌電信號；活動段檢測；干擾；噪聲ABSTRACTHandmotionintentionrecognitionhasalwaysbeenahotresearchdirectioninthefieldofbiomedicalengineering,whichhasbroadapplicationprospectsinrehabilitationtherapy,intelligentprostheses,human-computerinteractionandotherfields.Basedonsurfaceelectromyography(sEMG),handmotionintentionrecognitionisanon-invasivemethodwhichhasreceivedmuchattentioninrecentyears.However,sEMGsignalshaveinterferenceandnoiseproblems,whichposechallengestotheaccuracyandpracticalityofhandmotionintentionrecognition.ThispaperproposesanimprovedsEMGactivitysegmentdetectionalgorithm,whichenhancestheaccuracyandpracticalityofhandmotionintentionrecognitionbyaddressinginterferenceandnoiseinsEMGsignals.Usingthisalgorithm,thispaperalsoimplementsahandmotionintentionrecognitionmodelandverifiestheeffectivenessandpracticabilityofthealgorithmthroughexperiments.Keywords:handmotionintentionrecognition;surfaceelectromyography;activitysegmentdetection;interference;noise1.引言手部運動意圖識別一直是生物醫(yī)學工程領域研究的重點，對于智能假肢、協(xié)作機器人、遠程遙控等應用具有重要的意義。表面肌電信號是一種使肌肉運動得以體現(xiàn)在肌肉表面的生物電信號，是進行手部運動意圖識別的常用手段，相較于深度肌電信號，表面肌電信號具有獲得方便、損傷較小、適用范圍廣等優(yōu)勢。然而，表面肌電信號的應用存在干擾和噪聲的問題，這些干擾和噪聲來源包括肌肉運動干擾、電源干擾、設備故障等，會影響到sEMG信號的真實性和可靠性，使手部運動意圖識別結果不準確或不可操作。因此，為了提高手部運動意圖識別的準確性和實用性，本文提出了一種改進的sEMG活動段檢測算法。2.sEMG活動段檢測算法我們首先介紹傳統(tǒng)的sEMG活動段檢測算法，該算法的步驟如下：(1)信號預處理：經過數(shù)據(jù)采集后獲得的sEMG信號含有噪聲和干擾，首先需要補償、濾波、增益等數(shù)據(jù)預處理。(2)特征提?。簭念A處理后的sEMG信號中提取最具代表性的特征，如時域特征和頻域特征。(3)活動段劃分：根據(jù)特征設定的閾值，將sEMG信號劃分為不同的活動段。(4)特征選擇：選擇最具代表性的特征進行分類，如支持向量機(SVM)等。(5)分類：根據(jù)特征選擇的模型進行分類，得到手部運動意圖識別結果。然而，實際應用中，該算法存在著干擾和噪聲問題，對手部運動意圖識別的準確性和實用性構成了不小的挑戰(zhàn)。因此，我們在此基礎上提出了改進的sEMG活動段檢測算法，算法流程如下：(1)信號預處理：將sEMG信號標準化，并采用小波去噪和帶通濾波技術，降低噪聲和干擾的影響。(2)特征提?。罕Ａ魋EMG信號的時域和頻域特征，并加入對信號時序的分析。(3)活動段劃分：將sEMG信號劃分為不同的活動段，采用動態(tài)閾值的方法劃分，增加了對信號時序的分析，并自適應地調整閾值，提高了活動段劃分的準確性。(4)特征選擇：保留最具代表性的特征進行分類。(5)分類：采用支持向量機等分類算法，實現(xiàn)手部運動意圖的分類識別。這種基于改進sEMG活動段檢測的手部運動意圖識別新方法，解決了sEMG信號存在的干擾和噪聲問題，提高了手部運動意圖識別的準確性和實用性。3.實驗與結果在手部運動意圖識別實驗中，本文使用了MyoelectricControlDevelopmentToolkit(MYO)采集sEMG信號，并建立了手部運動意圖識別模型。實驗結果表明，改進的sEMG活動段檢測算法能夠有效降低干擾和噪聲對sEMG信號的影響，提高了手部運動意圖識別的準確性和實用性。4.結論本文提出了一種基于改進sEMG活動段檢測的手部運動意圖識別新方法，該方法通