表面肌电信号识别和分类的研究

对本文的研 本人完全
意识到本声明的法律结果由本人承担
学位论文作者签名 张坤
日期
2006 年 1 月 6 日
3
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
上海交通大学 学位论文版权使用授权书
本学位论文作者完全了解学校有关保留
使用学位论文的规定 允
同意学校保留并向国家有关部门或机构送交论文的复印件和电子版 许论文被查阅和借阅
ABSTRACT
Intramuscular myoelectric (EMG) signals are composed of the superposition of the activities of individual motor units, which reflect the characters of the nerve and its muscle. The modern method of prothesis control is driving the artificial limbs to perform different actions through classifying the surface EMG signals. This paper mainly studies the EMG Signals from different actions and discusses the technology about how to extract EMG features from the Upper-Limb needle EMG signals and make identification for clinical diagnostic purposes. In order to identifying different patterns, the first thing we should do is to extract the characteristic of the EMG signal. This thesis uses a multi-scale wavelet transform to analyze the signals and creatively proposes a new method to create characteristic vector that is specific and simple.
1
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
以 肌电信号的检测 识别和分类是一种复杂的技术 它对测量方法和测量仪器提 出了很高要求 这也是造成肌电图学临床应用的便利程度和定量分析对诊断的帮助 远不及心电测试等方法的一个重要原因[2] 随着计算机技术的飞速发展 模式识别作为一门新的学科逐渐成熟起来 从某 种意义上讲 模式识别就是用数学解决实际问题[3] 模式识别是一门研究对象描述 和分类方法的学科 它是和多种学科有着紧密联系的热门技术学科 有着极其广泛 的应用 各种生理信号识别和分类的难度较大 怎样运用模式识别的基础理论寻找 合适有效的分类方法是近年来普遍关注的问题
1.2 研究意义和现状
肌电图 EMG 是研究或检测肌肉生物电活动 借以判断神经肌肉系统机能及
形态学变化 并有助于神经肌肉系统的研究或为之提供临床诊断的科学 随着人们 对神经肌肉电生理研究与了解的日益深入和肌电检测技术的进步 肌电信号处理手 段发展与肌电信号处理的广泛应用成为肌电信号研究的一个突出特点 肌电分析与 识别不仅是基础研究的需要 而且有着重要的临床意义 对针电极肌电图的分析有 助于判断肌肉功能障碍是来自神经系统还是来自肌肉系统 也有助于研究神经信息 的传递通路和传导速度 帮助神经性或肌源性疾病的诊断 近代假肢控制力图采用 表面肌电图 通过对表面肌电的某些特征作模式分类来驱动假肢的不同动作 现代 假肢控制力图采用肌电信号构成多功能 多模式的控制信号 这已经成为肌电信号 处理应用最为广泛的一个领域 在功能电刺激和生物反馈研究中 人们也试图利用 表面肌电信号来产生所需要的电刺激或反馈调节作用[4,5] 由此可见 肌电信号研究 对于了解人体神经系统信息及康复工程都有着重要的深远的意义 表面肌电信号 sEMG 是从人体骨骼肌表面通过电极记录下来的神经肌肉活动 发放的生物电信号,它反映了神经 肌肉的功能状态[6] 表面电极使用方便且无痛苦 在假肢中广泛使用 随着神经生理学研究的发展 人们了解到 不同的肌肉运动模 式是由不同的肌群收缩产生的 其所伴随的表面肌电信号是不同的 因此完全有可 能根据不同的表面肌电信号特征中找到对应的肌肉动作模式 从而实现分类 随着 信号处理方法和计算机技术的发展,如何从表面肌电中识别出肢体的多种运动模式已 经引起人们越来越多的关注 本文研究的对象即是上肢发放不同的动作时产生的表 面肌电信号 通过对以往的肌电信号分析和识别方法的改进 使我们能更好地判别 出不同的运动模式 早在 1950 年 肌电图信号就已经被应用于假肢控制方面 首先在苏联 然后是 欧洲 加拿大和美国 但当时只是利用这种肌电图信号的功率作为控制参数而不是
8
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
上海交通大学 学位论文原创性声明
本人郑重声明
所呈交的学位论文
是本人在导师的指导下
独
立进行研究工作所取得的成果
除文中已经注明引用的内容外
本论文
不包含任何其他个人或集体已经发表或撰写过的作品成果 究做出重要贡献的个人和集体 均已在文中以明确方式标明
collecting, processing, character extracting, pattern recognition very well. It will have great and practical value. This kind of system based on virtual instrument is the development direction of the future instruments, and it also pioneers a new way for EMG diagnostics.
模式识别三部分有机地结合起来
种基于虚拟仪器的系统是未来仪器的发展方向 自动化开辟了一条新途径
也为肌电图诊断学走向
关键词
EMG 小波变换 人工神经网络 模式识别
Levenberg-Marquardt 算法 贝叶斯正则化 虚拟仪器
6
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
THE IDENTIFICATION AND CLASSIFICATION OF SURFACE ELECTROMYOGRAPHIC SIGNAL
5
得到了分类速度极
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
快
识别精度极高的 BP 分类网络 实验证明 这种改进的网络不但能 握拳 前臂内旋 前臂外旋四种 有效地消除了
够成功地从表面肌电信号中识别展拳 运动模式
而且在网络识别速度和精度上有了很大提高
过拟合现象 泛化能力好 很好地克服了标准 BP 算法的固有缺陷 这 对于肌电假肢的控制具有良好的应用前景 本文最后还创新性地提出了利用虚拟仪器的概念来设计一整套肌电 信号采集与识别系统 量的提取 完整地将信号的采集 信号的处理分析和特征向 具有很好的实用价值 这
通过采用新的方法
期望对以往的信号分析和识别有所改进和提高 本文在信号特征提取方法上的创新点在于 小波变换方法对表面肌电信号进行分析 提取各级尺度下小波系数幅值的最大值 简单 采用多尺度 分辨率 独创性地 获得了
并且根据实际情况 正 和最小值 负
特殊性高 分离度更明显 表征能力更好的肌电特征向量
在模式识别方法上的创新点在于 通过对 BP 神经网络非线性映射 能力的研究 在搞清 BP 网络固有缺陷的前提下 采取各种优化算法对 BP 网络进行改进 本文创新性地将 Levenberg-Marquardt 算法以及它与 贝叶斯正则化相结合的方法应用于肌电信号的分类
KEY WORDS: EMG, wavelet transformation, artificial neural network, pattern recognition, Levenberg-Marquardt algorithm, Bayesian regularization, virtual instrument
1.1 研究背景
1791 年迦伐尼(Galvani)通过著名的蛙腿实验 首次证实肌肉收缩与电有密切关
系 1851 年法国的杜波依斯 DuBais-Reaymond 第一次发现 人体肌肉的随意收 缩能够产生电信号 1922 年加赛 Gasser 和 Erlangre 利 用阴极射线示波器代 替传统的检流计观察到了肌电图 因此他们获得了 1944 年的诺贝尔奖 上个世纪 随着电子技术的迅猛发展和微处理器的广泛应用 对肌肉电信号的检测手段逐渐丰 富和完善 一门新的科学 肌电图学 Electromyography EMG 逐渐形成并大量 应用到临床中来 在此基础上 肌电控制假肢以及肌电信号检测分析在康复医学 运动医学 运动生物力学等各个领域取得了广泛应用 近年来 信号处理技术的理论和方法获得了迅速发展 它在各个科学和技术领 域中 已经成为一种重要的工具 针对生理信号的处理就是它的一个重要的应用领 域 生命运动是比机械运动 物理运动和化学运动更为复杂的自然界的运动方式 伴随这个过程中的生理信号也必然是极其复杂的信号 而且信号本身又十分微弱 它的随机性和噪声背景都比较强 因此 对它的检测和处理是十分困难的 肌肉的 运动是一种复杂的运动 肌电信号是一种复杂的生理信号 它受到身体内外各种因 素的综合制约 肌肉的结构和电生理也决定着肌电信号检测除了受到信号本身形态 的影响外 还受到测量条件和状态的复杂影响 例如电极的形状 尺度 检测点的 位置 电极与组织界面的相互作用等都会使测量到的肌电信号产生极大的差异 所
本人授权上海交通大学可以将本学位论文的全部 可以采用影印 缩印或扫描等复
或部分内容编入有关数据库进行检索 制手段保存和汇编本学位论文 保密 本学位论文属于 不保密 请在以上方框内打 在
年解密后适用本授权书
学位论文作者签名
张坤 月 6 日
4
日期 2006 年 1 月 6 日
7
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
This paper tries to improve the BP neural network by means of various improved algorithms, such as Levenberg-Marquardt, Levenberg-Marquardt combined with Bayesian Regularization and so on. This paper creatively uses these two methods in the identification of EMG. Experimental result shows that this improved neural network not only is able to identify four classes of forearm movement: hand extension, hand grasp, forearm pronation and forearm supination, but also improves the neural network on speed and accuracy, and overcomes the immanent drawbacks of the BP neural network, which has a great potential in practical application of prothesis control. At last, a new, integrated system is proposed and designed creatively based on virtual instrument which combines the organic parts of signal
近代假肢控制力图采用表面肌电图
表面肌电的某些特征作模式分类来驱动假肢的不同动作 信号构成多功能 为广泛的一个领域 的肌电信号 多模式的控制信号
力图采用肌电
这已经成为肌电信号处理应用最
本文的研究对象就是前臂肌肉在不同的运动模式下 对采集到 以
本文主要从小波变换和人工神经网络理论入手 处理和识别的研究
的表面肌电信号进行分析
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
第一章
绪论
从上世纪中叶开始
生命科学得到了长足的发展和进步
并且在许多方面取得
了巨大的成就 21 世纪将是生命科学的世纪 美国 科学 杂志评出的 2003 年 十大科学突破 中 有 7 项与生命科学研究有关 生命科学的研究与疾病的发生 发展的机理是紧密联系在一起的 生物学研究成果与疾病的发生 发展 诊断 预 防 治疗等的紧密联系已成为现代生命研究的主流方向[1] 同时 计算机技术 信 息技术 信号处理技术和模式识别技术的发展 给生命科学的研究带了了巨大的影 响 在 EMG ECG 和 EEG 等人体生物电信号的分析研究中 这些技术显示出极大 的优越性
上海交通大学 硕士学位论文 表面肌电信号识别和分类的研究 姓名：张坤 申请学位级别：硕士 专业：生物医学工程 指导教师：王志中 20060101
上海交通大学硕士学位论文
表面肌电信号识别和分类的研究
摘
要
肌电图学 Electromyography EMG 是研究或检测肌肉生物电活动 借以判断神经肌肉系统机能及形态学变化 究或提供临床诊断的科学 并有助于神经肌肉系统的研 通过对