摘 要

肌电信号（EMG）是人体自主运动时神经肌肉活动产生的生物电信号，它在一定程度上反映了神经、肌肉的功能状态。对EMG信号的研究已经广泛应用到生物医学、临床医学等领域。由于其性质良好， EMG成为人工智能假肢理想的电刺激信号，对人体运动康复训练等都有重要意义。本文通过对肌电信号的采集和分析处理，研究肌电信号与踝关节力矩之间的关系，对人体运动意图进行预测，以探求人体保持直立的机理。

文中先是对肌电信号进行实验数据采集并对数据进行去噪等预处理，接着对肌电信号的特征值进行提取，介绍常见特征值提取方法：时域分析方法、频域分析方法和时频分析方法并运用其中的小波变换方法。随后通过计算测得踝关节力矩，利用神经网络探究肌电信号与踝关节力矩之间的关系。运用MATLAB神经网络工具基于肌电信号对踝关节力矩进行预测。

关键词： EMG；神经网络；MATLAB；小波变换；踝关节力矩

Abstract

EMG - EMG signal is a bioelectrical signal produced by neuromuscular activity during voluntary movement of human body. The research on EMG signal has been widely used in biomedical and clinical medicine. And because of its good nature, EMG becomes an ideal electrical stimulation signal for artificial intelligence prosthesis, which is of great significance to human sports rehabilitation training. In this paper, through collection and analysis of the electromyography signal processing, the electromyography signal and the relationship between the ankle joint torque, to predict the intention of human movement, to explore the mechanism of the human body upright.

In this thesis, first the experiment on the electromyography signal data acquisition and data preprocessing, noise reduction, as well as to extract the electromyography signal characteristic value, then introduces the common Eigen value extraction methods: time domain analysis method, frequency domain analysis and time-frequency analysis method and using the wavelet transform method. Then the relationship between EMG signal and ankle moment was investigated by using neural network. MATLAB neural network tool was used to predict ankle moment based on EMG signal.

Keywords: EMG；neural network；MATLAB；Wavelet Transform；Ankle torque；

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1课题研究背景和意义 1

1.2 国内外研究现状 1

1.2.1 肌电信号的特征提取和模式识别研究现状 1

1.2.2 人体动力学分析技术的研究现状 2

1.2.3 神经网络的研究概况 2

1.3 本文研究的内容 3

第2章 肌电信号的特征与采集处理 4

2.1 肌电信号的特征 4

2.2 肌电信号的采集 4

2.3 肌电信号的处理 5

2.3.1 去噪预处理 5

2.3.2 特征值提取 6

2.3.3 肌电信号数据归一化处理 6

第3章 踝关节力矩的检测 8

3.1 人体动力学模型 8

3.2实验过程 9

第4章 神经网络 11

4.1神经网络概述 11

4.1.1 神经网络的发展简介 11

4.1.2 神经网络的基本原理 11

4.2 BP神经网络 13

第5章 基于EMG的踝关节力矩预测 15

5.1小波变换及其在MATLAB中的实现 15

5.1.1小波变换简介 15

5.1.2小波变换在MATLAB中的实现 15

5.2 MATLAB中的神经网络工具 17

第6章 总结 22

参考文献 23

致 谢 24

第1章 绪论

1.1课题研究背景和意义

随着社会的发展和科学技术的高速进步，人们试图用现代的科学研究来解决一些实际问题和解释一些自然现象。例如我们知道人类是由其他灵长类动物进化而来，而其中从四肢爬行到双腿直立行走的改变无疑是一项重要的进化过程。人体是天然的不稳定系统，通过对自身姿态信息的采集与综合处理，控制肌肉，抵抗扰动来保持稳定站立。现代科学通过肌电信号的方式来探求人体保持直立的机理。这一研究方向一方面有助于对人类自身的了解。

肌电信号是人体自主运动时神经肌肉活动产生的生物电信号，它在一定程度上反映了神经、肌肉的功能状态。通过表面电极就可以无损伤的采集肌电信号，较为方便快捷。人们在生活中难免会有肢体损伤甚至造成行动不便，因此关于肌电信号的研究对医学领域有重大意义，对人工智能假肢的研究有基础指导作用。本课题对肌电信号的采集、特征值提取等作了研究，旨在探究肌电信号与踝关节力矩之间的联系，达到通过肌电信号预测踝关节运动的目的。

1.2 国内外研究现状

1.2.1 肌电信号的特征提取和模式识别研究现状

特征提取：是对信号进行分析并提取有效成分作为特征矢量的过程，特征值的表征能力对随后的识别结果和数据的分析有重大影响^[1]。因此，选取适当的特征提取方法至关重要。当前常用的肌电信号提取方法主要有时域分析、频域分析和时频分析等。时域分析方法是一种提取比较方便且特征更为明显的方式，但其对肌电信号强度变化有较高要求。常用时域特征有方差、绝对值平均值和绝对值积分等。国内王震等人曾利用肌电信号的均方根特征进行踝关节动作预测方面的研究^[2]；在频域分析法方面，国外Stulen等人的研究发现，肌电信号的传导速率与肌电信号的平均功率频率等频率特征成线性关系^[3]；而时频域分析法是以上两种方法相结合的方式，它改善了时域分析法变化敏感和频域分析法信号必须要求平稳的缺点。是一种很利于肌电信号处理分析的方法。其中的小波变换法应用尤为广泛，它能对时间频率进行局部化、细节化分析。A.Phinyomark等人曾利用小波变换方式对肌电信号进行特征值提取^[4]。

此外，随着肌电信号研究的深入，更成熟的方法逐渐形成。其中参数模型方法较为突出。Graupe建立的AR模型是一个线性二阶矩平稳模型，比较适合短数据分析，而且运算便捷，特别适合以肌电信号作为电刺激信号控制假肢。还有如非线性动力学分析方法等。