论文部分内容阅读
表面肌电信号(Surface Electromyography,sEMG)作为一种常见的人体神经信号,能够反映出肌肉本身的收缩强弱、不同动作下的运动状态和疲劳程度等丰富信息。本文以sEMG作为控制输入建立机器人操控系统,研究sEMG在提高人机系统操作性能和效率的具体可能性。本文首先对sEMG的处理算法进行了研究,选取4名被试开展四肢动作肌电实验,通过研究比较多种不同sEMG特征提取方法,提出了人体不同关节肌肉动作和放松状态的在线识别分类算法。随后,以上述算法为基础,本文实现了对人体组合模式运动的肌电信号在线检测方法,并利用多自由度双足机器人NAO构建人机操控实验平台,设计能够全面反映机器人动作能力的复杂任务,通过合理的组合模式策略完成机器人的在线实时控制,并能有效的完成目标任务。为了进一步研究基于sEMG的机器人行走控制,本文对人体步态信息与表面肌电信号之间的统计关联特性进行了研究,提出了一种利用人体下肢肌肉s EMG信号的步频检测方法,该方法从人体行走时下肢胫骨前肌(Tibialis Anterior,TA)和腓肠肌外侧(Gastronomies Lateral,GL)两块肌肉表面采集sEMG信号,通过信号处理和选取合适的阈值进行峰值检测,以识别人体行走时的步数实现对人体步频信息的检测,同时还对步长信息进行一定的估算。经过对4名被试的在线步频检测实验的处理分析,所有被试综合的步频检测平均误差为1.7%,检测效果比较理想,准确率高,可靠性强。经过上述研究工作,本文实现了通过对人体动作sEMG信号的监测、分析和识别,将识别结果作为NAO机器人动作执行指令的控制信息,完成了利用sEMG对机器人的实时控制。被试在线实验交互控制NAO机器人和后续基于sEMG的步态信息检测的实验结果表明,s EMG信号可以快速、准确、有效的反映人体运动状态,很好的展示了sEMG信号在神经科学人机交互领域的应用前景。