基于AR模型的动作识别-安正气、邓晨阳、王鸿鹏.pdf

生物医学信号处理 综合训练 题目： 肌电信号的分析 学院名称 精密仪器与光电子工程学院 专 业 生物医学工程 小组成员 邓晨阳 3013202246 王鸿鹏 3013202232 安正气 3013202245 摘要：当肌肉活动时会产生肌肉电信号，不同的动作对应着不同的肌电信号。 本课题的目的是采集大臂屈伸，手掌内弯，五指张开和五指握拳四个动作的肌 电信号，并对信号进行滤波处理，自相关处理和功率谱分析，最终对肌电信号 建立AR 模型，通过AR 模型的不同系数来分析不同的肌电信号，并通过多个肌 电信号AR 模型的平均值作为该动作的特征，建立数据库，在体表分别采集四种 动作的肌电信号，与模型进行匹配，从而识别未知动作。 关键词：肌电信号 滤波处理 自相关 功率谱 AR 建模 目录 1. 文献综述 1 2. 本设计采用的方法的相关理论 1 2.1. 50HZ 相干模板法陷波器设计 1 2.2. AR 模型 3 2.3. 最近邻分类器 4 3. 结果及分析： 4 3.1. 滤波 4 3.2. 信号分割 6 3.3. 时域频域分析 6 3.4. 建立AR 模型： 7 3.5. 验证动作 8 4. 课题总结 10 5. 参考文献 11 6. 综合训练的体会、感想、意见、建议 12 6.1. 体会和感想 12 6.2. 建议和意见 12 1. 文献综述 我们组的肌电信号是通过自采得到的，分别通过仪器采集了多个样本的大臂 屈伸，手掌内弯，五指张开和五指握拳四个动作的肌电，在分析了多个样本之后， 我们选取了信号最好的几个样本来进行程序的处理。 首先我们对这几个信号用matlab 进行提取，我们采用的方法是差分阈值法， 在设置了一定的阈值之后，如果是小于这个阈值的，我们认为它不是肌电信号， 就不提取，高于这个阈值，我们认为是肌电信号的开始，于是开始提取，当信号 晓宇这个阈值我们就认为信号结束，我们就才用这个方法来得到肌电信号的开始 与结束。随后我们开始对提取出来的信号进行相干模板滤波，再消除50HZ 的的 工频干扰，最后消除基线漂移，得到了比较干净纯正的信号，为后期处理提供了 极大的便利。 接着是对滤波后的信号进行处理，我们先将信号分别进行时域和频域的处理， 首先是自相关处理，再对信号进行功率谱的分析，通过得到的几个图样来看，自 相关的得到的图谱都差不多，看不出区别，而大臂屈伸，手掌内弯，五指张开和 五指握拳四个动作的肌电功率谱就有了一定的差别，但是单纯从功率谱的图样来 区分信号还是不够准确的，于是我们最终使用AR 建模的方法来处理，大臂屈伸， 手掌内弯，五指张开和五指握拳四个动作的肌电信号进行AR 处理之后将会得到 不同的系数，我们就以此为标准，再验证信号的时候，看看新信号得到的AR 系 数和我们预先得到的哪个信号最接近，就认为识别的是那个信号。 2. 本设计采用的方法的相关理论 2.1. 50Hz 相干模板法陷波器设计 50Hz相干模板法滤波器，采用信号的相干性质，从原始输入信号中得到工频干扰 的模板，再从原始输入信号中减去工频干扰的模板，从而达到滤除工频干扰的目 的。具体处理思路如下。 假设X (n)为原始输入信号，其中的S(n)为有用信号，N(n)为工频干扰信号，即: ………………………………… (1) ，则可定义模板信号T(n)为: 1 ………(2) 式中，fs 为采样频率，fg 为工频干扰频率（50Hz）。在自适应模板中，要求fs 为fg 的整数倍。即fs=k*fg （