检索结果-内蒙古大学图书馆

计量学报 2006年第3期27卷 286-289页

作者：崔建国王旭李忠海田丰东北大学教育部暨辽宁省流程工业综合自动化重点实验室辽宁沈阳110004 沈阳航空工业学院自动控制系辽宁沈阳110034

肌电信号是与神经肌肉活动有关的生物电的体现,肌电信号的模式识别是肌电应用的基础。利用现代功率谱估计中的参数模型法,对从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌采集的4路表面肌电信号建立ar参数模型,并提取其ar模型参数作为信号的... 详细信息

肌电信号是与神经肌肉活动有关的生物电的体现,肌电信号的模式识别是肌电应用的基础。利用现代功率谱估计中的参数模型法,对从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌采集的4路表面肌电信号建立ar参数模型,并提取其ar模型参数作为信号的特征,构造特征矢量,提供给基于距离测度的Mahalanobis距离分类器进行模式分类,能够成功地识别出握拳、展拳、腕内旋、腕外旋、屈腕、伸腕、前臂内旋、前臂外旋8种动作模式。实验表明,该方法识别率高、鲁棒性好,为肌电等非平稳生物电信号的模式识别提供了一种新方法。

关键词：计量学表面肌电信号模式识别 ar参数模型聚类分析

来源：评论

学校读者我要写书评

暂无评论

表面肌电信号的ar参数模型分析方法

引用

传感技术学报 2003年第4期16卷 384-387页

作者：罗志增杨广映杭州电子工业学院机器人研究所杭州310037

根据实际肌电信号的随机性特征 ,对其建立ar(Autoregressive)模型 ,得到其ar模型的各项参数 ,分析此系数和对应肌肉活动所确定的肢体动作之间的关系 ,从而得到基于动作模式的表面肌电信号 (EMG)

关键词：表面肌电信号 ar参数模型信号处理生物电信号

来源：评论

学校读者我要写书评

暂无评论

基于ar参数模型和小波分析的电机故障诊断

基于AR参数模型和小波分析的电机故障诊断

引用

作者：郭会娟华北水利水电学院

学位级别：硕士

电机故障诊断技术是一门近年来兴起的包含很多新科技内容的综合技术。在电机带负荷运行中，或不拆卸情况下，根据电机运行过程中产生的各种信息，通过对电机状态参数的检测和分析，它能够判断电机是否存在故障及故障的位置和原因，并可... 详细信息

电机故障诊断技术是一门近年来兴起的包含很多新科技内容的综合技术。在电机带负荷运行中，或不拆卸情况下，根据电机运行过程中产生的各种信息，通过对电机状态参数的检测和分析，它能够判断电机是否存在故障及故障的位置和原因，并可对电机未来状态进行预测。为了提高以电机作为动力的生产设备的可靠性，在电机的不同应用场合和不同运行状态下，研究其故障诊断理论和技术是非常必要的。\n 本文在充分了解电机的工作原理、结构特点、目前常用的电机故障诊断方法和有关电机振动故障诊断基础上，利用先进的信号处理和分析技术—小波分析和ar(autoregressive)参数模型两种方法，通过理论仿真和分析采集的实时电机信号，验证了这两种方法在电机故障诊断中的实用性，具有重要的实际意义。\n 研究了常用的几种小波基函数及其对信号分析的影响和小波变换理论。鉴于小波变换具有多分辨率的特性和比傅里叶变换更强的特征提取能力，本文根据信号特点，选择合适的小波基函数db5，利用小波变换对电机进行故障诊断。重点阐述了小波变换在非平稳信号中的去噪、消除奇异值点，深入的分析了利用小波分析的重构信号的叠加功率谱检测信号中包含的微弱信号的频率成分。通过仿真信号和电机振动信号实验数据的对比分析，对原始信号的等效功率谱和重构信号的等效功率谱相应的能量进行对比，确定故障频率，从而准确找出电机故障。\n 本文将ar模型的现代谱理论引入到电机的故障诊断数据分析中，建立信号的ar模型，计算出模型参数，进而计算出信号的功率谱估计。给定仿真信号，分析比较采用不同方法输出的谱估计结果，验证了选择Levenson-Durbin法快速有效地求解Yule-Walker方程在求解ar模型参数法中的优越性。针对实时采集的电机信号，由采集信号得到能量信号，以抽样间隔10抽取新样本，对新序列进行ar参数模型谱估计，发现在数据较短时，ar参数模型谱估计也能呈现出信号中所含有的所有频率成分，并可求出其响应的频响函数，是预测分析电机状态未来发展趋势的重要手段，也是非常值得我们研究的一种现代谱估计方法。

关键词：电机故障诊断小波分析 ar参数模型

来源：评论

学校读者我要写书评

暂无评论

针刺手法实时信号处理及ar参数模型的模式识别研究

引用

医学信息 2009年第10期22卷 1975-1978页

作者：杨华元徐刚胡追成刘堂义高明上海中医药大学针灸推拿学院

基于嵌入式arM技术对针刺手法实时信号处理,并采用ar参数模型的模式识别方法,提取提插捻转等针刺手法信号模型的若干系数表征,构造特征矢量识别各种针刺手法模式,为针刺手法的量化和数字化研究提供新的手段。

关键词：针刺手法信号处理 ar参数模型模式识别

来源：评论

学校读者我要写书评

暂无评论

针刺手法实时信号处理及ar参数模型的模式识别研究

针刺手法实时信号处理及AR参数模型的模式识别研究

引用

中国针灸学会2009学术年会

作者：杨华元徐刚刘堂义高明上海中医药大学针灸推拿学院

关键词：针刺手法信号处理 ar参数模型模式识别

来源：评论

学校读者我要写书评

暂无评论

基于Bayes决策理论的表面肌电信号模式分类的研究

引用

计量学报 2007年第1期28卷 89-92页

作者：崔建国李一波李忠海王旭张春霞沈阳航空工业学院自动控制系辽宁沈阳110034 东北大学信息科学与工程学院辽宁沈阳110004 中国医科大学第一附属医院辽宁沈阳110001

通过对采集的四通道表面肌电信号进行分析,对其建立ar(Autoregressive)参数模型,提取ar模型参数构建特征矢量。根据实际表面肌电(SEMG)信号的随机性特征,提出了一种采用Bayes决策理论对肌电信号的ar模型参数特征进行分类的新方法,并运... 详细信息

通过对采集的四通道表面肌电信号进行分析,对其建立ar(Autoregressive)参数模型,提取ar模型参数构建特征矢量。根据实际表面肌电(SEMG)信号的随机性特征,提出了一种采用Bayes决策理论对肌电信号的ar模型参数特征进行分类的新方法,并运用最小错误率Bayes分类器,很好地实现了对前臂八种动作表面肌电信号的模式分类。平均识别率为99.125%。此外,还提出采用动态聚类中心的方法对其进行了改进,使其平均识别率提高到99.5%。研究表明,采用Bayes分类器对肌电信号的ar模型参数特征进行分类,是一种有效的处理手段,并可直接应用到其它具有随机性特征的生理电信号的模式分类中。

关键词：计量学表面肌电信号 ar参数模型 Bayes决策模式分类

来源：评论

学校读者我要写书评

暂无评论

外骨骼式上肢康复机器人及其控制方法研究

引用

哈尔滨工程大学学报 2007年第9期28卷 1008-1013页

作者：王东岩李庆玲杜志江孙立宁哈尔滨工业大学机器人研究所

提出了一种融合单、多关节及日常生活功能行动作训练的5自由度外骨骼式偏瘫上肢康复机器人系统.根据偏瘫患者上肢单侧受损的特点,提取偏瘫患者的健侧肢体运动的表面肌电信号用于驱动康复机器人辅助患者患侧肢体实现康复训练动作.采用肌... 详细信息

提出了一种融合单、多关节及日常生活功能行动作训练的5自由度外骨骼式偏瘫上肢康复机器人系统.根据偏瘫患者上肢单侧受损的特点,提取偏瘫患者的健侧肢体运动的表面肌电信号用于驱动康复机器人辅助患者患侧肢体实现康复训练动作.采用肌电绝对值积分和自回归参数模型法对上肢运动中参与动作的4块肌肉产生的sEMG信号分别进行特征提取,并分别作为基于Levenberg-Marquardt算法的反向传播神经网络的输入,6个上肢运动作为输出建立表面肌电信号与上肢康复动作之间的关系.试验结果表明该方法利用sEMG准确地完成了对上肢康复动作的识别.该方法有利于提高中枢神经系统紧张度,促进血液循环,在康复的同时防止并发症的产生,更有利于提高患者运动积极性,保持患者正确运动的感觉.

关键词：外骨骼式康复机器人表面肌电信号 ar参数模型 L-M算法 BP网络

来源：评论

学校读者我要写书评

暂无评论

多自由度残疾人假手机构设计及肌电信号控制

多自由度残疾人假手机构设计及肌电信号控制

引用

作者：刘英涛哈尔滨工业大学

学位级别：硕士

肌电信号是多自由度人工假肢的理想控制信号,因此对肌电假手的研究近年来成为生物医学工程及机器人领域的研究热点。本课题研制了一种新型的肌电信号控制假手,并通过肌电信号识别、分类实现对人手大拇指、食指和中指弯曲运动的识别。此... 详细信息

肌电信号是多自由度人工假肢的理想控制信号,因此对肌电假手的研究近年来成为生物医学工程及机器人领域的研究热点。本课题研制了一种新型的肌电信号控制假手,并通过肌电信号识别、分类实现对人手大拇指、食指和中指弯曲运动的识别。此外,通过对不同种类电极信号进行的分析,本文对双通道肌电信号的特征识别方法进行了探讨。本文以上一代残疾人假手机构为基础,借鉴了最新的假手机构方案,模仿人手的运动方式,设计了新一代的假手机构。通过运动仿真,验证了假手手指的运动方式以及假手整体的抓取能力。自回归(ar)参数模型是传统的肌电信号时域分析方法。本文采用ar参数模型对双通道肌电信号进行处理,通过最小二乘参数估计的递推算法求取肌电信号的特征值,建立了肌电信号的特征矢量。为确定ar参数模型阶数,采用不同的准则函数进行比较分析,最终确定ar参数模型的最佳阶数为4阶。通过Otto Bock电极采集肌电信号进行实验,实验结果表明,ar参数模型可以获得较好的肌电信号识别效果。本文提出了短时傅立叶变换(STFT)和奇异值分解相结合的肌电信号线性时频分析方法。由B&L电极采集的双通道肌电信号STFT频谱图证明大拇指、食指和中指的STFT频谱有较大区别。选择汉明窗作为窗函数,通过对STFT频谱矩阵的奇异值分解获得了具有较好分辨能力的肌电信号特征矢量。通过对ar参数模型和STFT及奇异值分解两种方法的对比,发现STFT具有更好的复杂信号识别能力;ar参数模型则算法更简单,具有较小的运算量,更适合在DSP内独立完成肌电信号的特征识别。本文最后在TI公司的TMS320F2812型DSP内完成了基于ar参数模型的双通道肌电信号的识别和分类。通过RS232串口和MSComm控件搭建了肌电信号的软件实验平台。最终,在假手系统上完成了肌电信号识别控制实验。两种实验均取得了较好的肌电信号识别成功率。

关键词：假手肌电信号 ar参数模型短时傅立叶变换奇异值分解

来源：评论

学校读者我要写书评

暂无评论

脑—机接口系统中脑电信号采集与特征识别

脑—机接口系统中脑电信号采集与特征识别

引用

作者：李窦哲山西大学

学位级别：硕士

脑-机接口(BCI)技术是不依赖于常规脑外周神经和肌肉系统,在大脑和计算机或外部设备之间建立起来的一种通信系统。它利用计算机或其它电子设备对特定环境或任务下的脑电信号进行采集和分析,以向外界传达大脑信息或控制命令,并实现对外... 详细信息

脑-机接口(BCI)技术是不依赖于常规脑外周神经和肌肉系统,在大脑和计算机或外部设备之间建立起来的一种通信系统。它利用计算机或其它电子设备对特定环境或任务下的脑电信号进行采集和分析,以向外界传达大脑信息或控制命令,并实现对外部设备的操纵。BCI技术在航空航天、机器人、多媒体、康复医学工程、人工智能、脑认知、生物反馈训练等领域有着广阔的发展应用前景。目前BCI技术已引起国际上众多学科科技工作者的关注,成为神经工程、通信、计算机技术等多领域交叉的一个新的研究热点,具有科学与应用双重价值。由于BI研究起步较晚,技术比较复杂,涉及内容和相关领域较多。因此,无论是BCI技术本身,还是对它的应用研究,目前都处于探索阶段,还有许多关键技术有待解决。如：BCI源信号的采集、信号处理和信息转换的速度、实验范式的选择、识别精度的提高、受试者的训练等。针对目前BCI技术应用中存在的问题,本文研究了基于视觉诱发P300的脑-机接口系统中脑电信号采集、处理和特征识别。具体完成工作如下： (1)脑电采集系统硬件实现。设计了高性能的生物电放大器,增加了皮肤接触阻抗同步测试电路以及模拟陷波器和滤波器,采用Labview虚拟仪器平台对放大器性能参数进行了测试,并设计了系统的数字化部分即模数转换和USB传输。 (2)脑电采集与测量系统软件设计。为了具有通用性和可扩展性,软件设计架构成不依赖具体放大器的通用脑-机接口系统,可对视觉诱发脑电、体感诱发脑电、运动想象诱发脑电、自发脑电等实验数据进行采集、存储和脑电波形显示。 (3)诱发脑电信号处理。采用独立成分分析(ICA)结合主成分分析(PCA)方法进行诱发脑电的实时信噪分离,有效地抑制了50HZ工频干扰和测量中的伪迹。 (4)脑电特征实时提取。设计了视觉诱发刺激实验范式,完成了视觉诱发脑电测量实验,提出了一种新的视觉诱发P300特征快速提取方法,采用ar参数模型与少次相干平均的方法实时提取P300特征,为实现在线脑-机接口系统奠定了基础。 (5)脑电特征分类方法研究。利用标准脑-机接口实验数据,分别基于Fisher线性判别方法和神经网络非线性判别方法对P300特征进行分类。实验结果表明：对于视觉诱发P300特征的识别精度可以满足脑-机接口系统的要求。本文所设计的脑电信号采集系统和特征识别算法可应用于各类脑-机接口系统中,并为实现在线脑-机接口打下坚实基础。

关键词：脑-机接口生物电放大器视觉诱发P300 神经网络 ar参数模型

来源：评论

学校读者我要写书评

暂无评论

被动声目标信息特征提取研究

被动声目标信息特征提取研究

引用

作者：自兴发云南大学

学位级别：硕士

利用声目标产生的声波，对目标进行识别是被动声探测系统的基本任务，目标识别技术属于模式识别理论的研究范畴，其关键在于特征提取和分类器的设计。\n 本文首先应用现代信号处理手段研究了目标信号的两种特征信息提取方法。基于三... 详细信息

利用声目标产生的声波，对目标进行识别是被动声探测系统的基本任务，目标识别技术属于模式识别理论的研究范畴，其关键在于特征提取和分类器的设计。\n 本文首先应用现代信号处理手段研究了目标信号的两种特征信息提取方法。基于三种目标的噪声频谱特性讨论了ar模型的特征提取算法，以及基于小波理论的小波分解尺度细节信号时域能量的特征提取算法。最后，采用ar模型特征提取算法及小波能量特征提取算法对三类声目标的实测样本数据进行了实际的特征提取。同时，针对所提取的特征量设计了BP神经网络分类器对三类声目标进行了分类识别。实验结果表明：能够很好地体现不同声目标之间的差异，提取的特征量较为稳定，分类结果准确率较高，均获得了满意的实验效果。

关键词：被动声探测目标识别特征提取分类器 ar参数模型小波理论

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：