|
2 K最近的鄰居
3.3支持向量機9
3.4高斯分類器11
3.5硬件12
3.6軟件12
3.7雙極設置13
3.8電極放置13
4實驗15
4.1特點…………15
4.2尋找肌肉位置…………15
4.3前臂設置…………19
4.4結果23
4.5討論29
5結論和未來工作32
參考文獻33
三
圖和表
圖表列表
1.1機械驅動的開源3D打印假手。2.
2.1神經元的組織[1]。3.
2.2動作電位：2.2a表示靜息電位的方向。軸突內部帶電
負的，因此內軸突和外軸突之間的電壓−70毫伏。2.2b說明了
軸突內動作電位的傳遞。（圖形必須從上到下解釋）(
從左到右傳輸）2.2c說明了電流電勢
在時間上。VS=閾值，VRP=靜息電位[1]動作電位過程。4.
2.3傳遞神經元釋放神經遞質以觸發接收神經元中的動作電位。
[1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.4骨骼肌的組織[1]。5.
2.5肌電信號是電機單元動作電位的組成[2]。6.
2.6兩種不同的測量程序。6.
2.7肌肉收縮的原始肌電圖信號[3]。6.
3.1此圖說明了如何使用高斯函數近似原始信號。9
3.2該圖說明了將兩個類加（+）和減（-）分開的超平面。這是一個
例如二維情況。圈出的數據點是支持向量[4]。超平面
由w描述⊤x+b=0，邊距寬度d=2m
||w||…………10
3.3 32位OpenBCI板[5]。12
3.4設置14
4.1前臂肌肉的解剖學[6]。17
4.2前臂頂部…………18
4.3實驗期間測量并分類了四種不同的手部運動。最下面一行
顯示了相關的機器人運動。19
4.4此圖顯示了不同的處理和分類組合。12條路徑中的每一條都是一條
結合體每個信號由截止頻率為45Hz和50Hz的阻帶濾波。KNN有
已申請K∈ {1, 2, 4,8}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5此圖顯示了未乘以權重的（x）函數。x軸表示數字
y軸表示電壓，單位為μV。（x）的數目為d＝20。每個（x）是高斯
分布，2=0.05。期望值均勻分布在x軸上。20
4.6該圖將原始肌電信號與擬合曲線w進行比較⊤（x）21
4.7不同的噪音水平取決于位置。22
4.8此圖顯示了前臂設置的原始測量值。這些行代表了
升序（見圖4.2）。列按字母順序表示移動（請參見
圖4.3）。每個圖表都顯示了取決于樣本的電壓。樣品數量為750
采樣率為250Hz，持續時間為3秒。注：每種顏色代表一次試驗。24
4.9此圖顯示了前臂設置的帶通濾波測量。這些行表示
肌肉按升序排列（見圖4.2）。這些列按字母順序表示移動
（見圖4.3）。每個圖表都顯示了取決于樣本的電壓。樣品數量為750
采樣率為250Hz，持續時間為3秒。注：每種顏色代表一次試驗。
帶通濾波器截止頻率：0.2Hz和124Hz…………25
4.10此圖說明了前臂設置的帶通濾波測量。這些行表示
肌肉按升序排列（見圖4.2）。這些列按字母順序表示移動
（見圖4.3）。每個圖表都顯示了取決于樣本的電壓。樣品數量為750
采樣率為250Hz，持續時間為3秒。注：每種顏色代表一次試驗。
帶通濾波器截止頻率：10Hz和124Hz…………26
四
4.11此圖說明了前臂設置的帶通濾波和RMS測量。行
以升序表示肌肉（見圖4.2）。這些列表示
按字母順序排列（見圖4.3）。每個圖表都顯示了取決于樣本的電壓。這個
采樣數為750，采樣率為250Hz，持續時間為3秒。注：每個
顏色代表試驗。帶通濾波器的截止頻率：10Hz和124Hz。窗口長度
均方根：30…………27
4.12本圖說明了使用兩個預處理步驟的不同分類器的精確度
帶通和帶通+權重空間。濾波器參數：0.2Hz，124Hz。28
4.13本圖說明了使用兩個預處理步驟的不同分類器的精確度
帶通和帶通+權重空間。濾波器參數：10Hz、124Hz。28
4.14本圖說明了預處理步驟和分類器訓練的流程。29
4.15帶通上的SVM、GC、KNN（K=1）、KNNN（K=2）、K1（K=4）和KNN的混淆矩陣
過濾+RMS數據集。預處理=預測類，act.=實際等級…………..30
4.16具有RMS的SVM、KNN和GC的精度。31
4.17本圖說明了最終預處理步驟。SVM、KNN（K=1）和KNN
被確定為最佳分類器。31
表格列表
3.1本表說明了一條消息的數據格式。字節1是起始字節，字節33是停止字節。這個
字節3-26是表示EMG數據的字節。每個通道由三個字節編碼。13
4.1本表顯示了肌肉及其運動之間的關系。肌肉可以在
圖4.1 16
4.2本表顯示了肌肉及其運動之間的經驗確定關系。肌肉
可以在圖4.1中找到。橈側屈肌和尺骨屈肌在
此設置。16
v
縮寫、符號和運算符
縮寫詞表
符號描述
肌電圖肌電圖
GC高斯分類器
KNN K最近鄰居
rms均方根
SEMG表面肌電圖
SVM支持向量機
1.
1簡介
1.1動機
最近，制作三維印刷假手變得越來越流行。3D模型和組件3D模型和組件
大規模部署低成本假肢的手冊現在可以在互聯網上找到。網站，如
e-NABLE[7]提供了機械式假肢制造手冊。其中一種設計是
如圖1.1所示。彎曲手腕或肘部可通過電纜結構觸發假手閉合。
手允許使用者將假肢裝置用于簡單的應用，例如，握住物體或騎馬
自行車。像伸展食指按下按鈕或做手指手勢這樣的精細動作是不可能的。
圖1.1：一個開源3D打印假手機械驅動。
因此，需要另一種控制假肢的方法。肌電圖（EMG）是一種很有前途的技術
以控制假肢或機器人手臂[8]。表面肌電圖（SEMG）是一種非侵入性方法，因此
無需任何醫療干預即可輕松使用[3]。對于截肢者，肌電圖允許使用測量
與曾經用于移動失去的肢體的同一肌肉的激活信號相同�？梢哉f，這使得
與（例如）彎曲手腕閉合時相比，人工機器人裝置的自然和直觀控制
手。阻礙肌電圖信號廣泛用于控制假肢裝置的一個技術障礙是
并且干凈的信號需要昂貴的硬件[9]。
最近，OpenBCI等設備被引入[5]。這是一種低成本的腦機接口（BCI）
也可用于測量EMG信號。值得注意的是，德州儀器于2012年推出ADS1299[10]，
一種專門用于生物電勢測量的集成電路，集成了運算放大器和數模轉換器
這使得低成本和便攜式BCI設備的設計成為可能[10]。OpenBCI是一種低成本便攜式BCI
基于ADS1299的設備（約600美元），可用于測量肌電圖信號，數量級為
幅度比傳統的肌電圖機便宜[11]。與新一代開源3D打印相關
假肢、低成本的肌電信號測量方法可以對這些人的生活質量產生深遠影響
他們無法獲得昂貴的假肢。然而，使用這種低成本設備的代價很低
通常具有較差的信噪比和較大的漂移。目前尚不清楚是否
新一代低成本BCI設備對于控制致動假體是有用的。機器的研究領域
然而，學習提供了許多分類方法，可以緩解分類問題。本論文旨在
通過測量和分類代表運動的信號來評估這種低成本肌電圖設備的可行性
這對于控制截肢者的機器人手臂是有用的。特別是對于失去手的人，肌電圖可以被使用
以控制假手。控制手的必要肌肉位于前臂中，
可以通過EMG測量來訪問。因此，本論文主要研究手的測量和分類
以及前臂運動。
如果肌電信號能夠分類，我們就可以賦予被驅動的假肢智能和自適應控制
方法。在本論文中，我們展示了使用KUKA LWR7輕型手臂作為高級假肢裝置的代理。
不僅殘疾人可以從低成本的BCI系統中受益。一種可能的情況是控制機器人手臂
并與機器人的環境交互。例如放射性污染中的相互作用
區域是可能的，這有助于將災難降到最低。通過EMG的控制提供了更自然的用戶
因為自然運動可以通過肌肉激活傳遞并應用于機器人。
2.
2背景
2.1肌電圖信號生物學
為了理解肌電信號的本質，我們對肌肉收縮的生物學機制進行了概述。
人體的每一個過程，包括肌肉收縮，都是由神經元控制的。這些單元格由一個輸入組成
和一個輸出。如果輸入信號的幅度超過某個閾值，則單元傳送輸入。頻率
對信息[1]進行編碼。
傳入的信號在樹突處被接收并傳遞到體細胞（見圖2.1）。在軸突小丘上
求和為一個信號。動作電位（AP）由這些相加信號產生。AP將通過軸突傳遞
神經遞質會在突觸中釋放出來，從而影響
跟隨神經元。圖2.1顯示了該組織[1]。
圖2.1：神經元的組織[1]。
神經元的默認狀態是靜息電位。當細胞不受刺激時發生。內部電荷
神經元在re中為陰性 |
