基于表面肌电信号的动作识别与人机交互研究开题报告

1. 研究目的与意义（文献综述包含参考文献）

表面肌电信号（surface electromyography, semg）是人体自主运动时神经肌肉活动发放的生物电信号, 一般只有几百至几千微伏,能量主要集中在20~200hz之间。

根据肌肉组织自身的生物化学过程，人的手指、手腕、手臂在进行不同的活动时，会产生不同特征的肌电信号，通过对这些信号的提取、识别并加以分类和学习，组建一个信息库，随时识别不同的动作，反映人体神经、肌肉的功能状态。

表面肌电信号研究是医学、计算机技术、信息处理等多个学科和领域的交叉前沿课题，是当今世界的研究热点之一，对人体神经系统信息的了解、与计算机技术结合的机电产品的开发应用都有重要意义。研究的意义体现在几个方面。一是通过电极记录下来的表面肌电信号进行疾病预防、临床诊断以及康复辅助评估，具有重要的医学医疗意义；二是表面肌电信号作为最成功的控制信号源，从人身本体提取信号，开发控制自如、易于使用的多功能智能假肢，降低因缺失部分造成日常生活的不便，提高肢体残疾患者的生活质量，为全人类造福；三是开发人-计算机接口，设计微型化、轻便性、可穿戴性和低功耗的人机交互设备，基于生物电信号，利用计算机优势拓宽在虚拟现实技术等的新兴前沿领域和实际应用领域的应用。

2. 研究的基本内容、问题解决措施及方案

本课题要研究或解决的问题：

1. 基于硬件采集平台，采集表面肌电信号，对采集到的信号进行预处理和特征提取。对采集的样本进行观察，将样本进行标准化处理；利用线性插值和hilbert变换对手势semg进行包络提取。

2. 通过信号采集模块对不同动作产生的表面肌电信号提取学习，运用经训练优化后的神经网络各层的权值，创建基于表面肌电信号的神经网络模型，对特征动作进行分类识别。