基于表面肌电信号的踝关节运动分类在康复机器人中的应用

基于表面肌电信号的踝关节运动分类在康复机器人中的应用(中文7800字,英文PDF)
摘要
肌电图(EMG)控制是近年来假肢、矫形器等康复设备研究的核心。然而，由于EMG信号的复杂性，它很难作为控制信号使用。为了解决这个问题，研究人员使用了一种模式识别技术。EMG模式识别主要包括四个阶段:信号检测、预处理特征提取、降维和分类。特别地，任何模式识别技术的成功都依赖于特征提取阶段。本文对改进的时域特征集和对数转移时域特征集(LTD)进行了评价，并与传统的时域特征集(TTD)进行了比较。采用线性判别分析(LDA)、k近邻和朴素贝叶斯三个分类器对这两个特征集进行评价。结果表明，新时域特征集有限公司的分类精度优于传统的时域特征集TTD，平均分类精度为97.23%。此外，LDA分类器的性能优于本研究中考虑的其他两个分类器。
关键词： 肌电图；康复；踝关节运动；信号处理；模式识别