基于sEMG的手指运动识别及连续运动估计算法研究

As bioelectricity which is generated along with movement, sEMG is a more natural and intuitive control media when compared with traditional human-computer interface, such as mouse, and keyboard. It has wide applications. In this project, we will start with handling the disadvantages of sEMG. By designing and improving corresponding feature extraction methods and pattern recognition methods, we are going to eliminate the adverse effect of individual difference and concept drift in sEMG on finger gesture recognition. For the multiple conlinearity prolems in multiple sEMGs, we are going to apply PLSR for regression. The main research contents include: 1)Algorithm on user-indepdendent sEMG feature extraction and sEMG "concept drift" detection; 2) Finger movement recognition by using adaptive self-enhancing classifier 3) Finger movement recognition based on multimodal information fusion; 4)Continous finger joint angle estimation by using sEMG with PLSR.

与传统的鼠标、键盘等人机交互方式相比，表面肌电信号（surface Electromyography, sEMG）作为一种伴随运动产生的生物电信号可以提供一种更加自然直观的人机交互方式，具有广泛的应用价值。本项目从sEMG信号的特点出发，针对sEMG存在个体差异性和概念漂移的问题，拟通过设计和改进相应的特征提取和模式识别算法，提高肌电动作识别系统的分类准确率和泛化能力。针对多通道电极信号存在多重共线性问题，采用最小二乘回归算法进行非线性回归，实现基于sEMG的手指关节连续运动的估计。主要研究内容包括：1) 受试者无关肌电信号特征提取与肌电信号“概念漂移”检测算法；2) 自适应增强肌电动作分类器构建算法研究; 3) 基于多模态信息融合的肌电手势动作识别算法研究；4) 基于PLSR的连续手指运动估计算法研究。

对于截肢患者来说，肢体的缺失不仅会给他们带来生理上和心理上的痛苦，也给他们的生活也带来了极大的不变。帮助截肢患者重塑肢体功能是本项目研究的初衷。运动的产生是大脑发出运动指令，以神经冲动的形式经传导刺激骨骼肌收缩，牵连附着的骨，绕关节旋转而成。骨骼肌收缩的同时被诱导出的运动单元动作电位经容积导体的滤波作用在皮肤表面形成肌电信号。因此，对于截肢患者来说，肌电信号不会因为肢体的缺失而消失，截肢患者依旧可以通过运动想象引起相关肌肉收缩产生肌电信号。根据这个原理，对肌电信号进行破译并驱动人工假肢就可以帮助残疾人重塑肢体功能。肌电信号作为一种微弱的生物电信号，容易受电极移位、肌肉疲劳、肌肉收缩力度变化等的影响引起概念漂移，常规的基于静态分类器模型的肌电动作识别系统，无法在较长的一段时间内维持较高的识别性能。针对这个问题，本项目对肌电信号特征提取算法以及概念漂移算法进行了研究，构建了基于模型参数更新、多传感器融合的分类器构建方法，很大程度上解决了实际应用时需要频繁对动作系统进行重新训练的问题，极大程度的提高了识别的准确性和使用的便利性。同时，针对控制系统对连续输入信号的需要，本项目对基于肌电信号的连续手指运动系统也进行了研究。在对肌电信号进行分析的基础上，提出了基于偏最小二乘回归算法的连续动作预测算法， 实现了对基于八通道肌电信号的十自由度手指关节角度的高精度估计。本项目的研究成果不仅可以服务于残疾人用作智能肌电假肢，同时可以服务于正常人群用于远程医疗，遥操作、手术机器人等方向，具有广阔的应用前景。

内容获取失败，请点击重试