【文献笔记】基于肌电信号、BP神经网络实现踝关节连续运动估计（上）
原文：sEMG-based continuous estimation of joint angles of human legs by using BP neural network
0 内容简述/摘要
关键词：m阶非线性模型，BP神经网络；
神经网络结构：输入为7通道sEMG信号，输出为3个关节转动角度；
实验对象：4个脊髓损伤患者和6个健康人；
实验设置：健康人：不同速度下的传送带步行和不同负载的腿部伸展运动；患者：不同速度下的传送带步行；
衡量标准：关节转角预测值与真实值的均方根误差平均值；
实验结果：健康人：腿部伸展运动误差低于9°，传送带步行误差低于6°；患者：传送带步行误差低于5°（因为运动幅度更小）。
1 引言
1.1 研究背景
1.2 先前研究及相关文献
1.3 本文内容
同摘要
2 实验和方法
2.1 数据采集
- 首先采集MVC（最大自主收缩力，the maximum voluntary contractile force）；
- 受试者在四种情景下进行腿部伸展运动：慢速小负载、快速小负载、慢速大负载、快速大负载；
- 通道设置：7通道；股直肌( VR )、股外侧肌( VL )、半腱肌( SM )、股二头肌( BM )、胫骨前肌( TA )、拇长伸肌( EP )、腓肠肌( GM )；
- 肌电设备相关：采样频率：2kHz；设备名称：FlexComp（a production of Thought Technology Ltd., Canada）
- 角度测量设备相关：采样频率：100Hz；角度传感器InclinoTrac（Thought Technology Ltd）
- 电极布置前的准备和注意事项，电极布置方法，示意图。
2.2 信号处理
- 降噪处理
噪声类型：自电子设备中的固有噪声，如工频干扰(我国工业频率为50Hz)、直流偏置、基线噪声等；由电极界面和电极线缆引起的运动伪迹；受电机单元放电频率的影响，其放电频率范围为0 ~ 20 Hz；
肌电信号频率分布：5~500Hz；
滤波设置：陷波滤波器（50Hz），带通滤波器（20~500Hz）。 - 特征提取
全波整流（full-wave rectification）：sEMG信号的幅值在本质上是随机的，且有非常频繁的零点震动。通过全波整流让幅值分析更清晰一些（人话翻译：其实就是把幅值取绝对值，把有负有正的信号变成全是正的信号，把信号的正负特性手动消除，只分析其大小特性，以便于后面分析）；
重采样：一般肌电信号的采样频率比实际角度的采样频率大很多，因此需要对肌电信号进行重新采样，让特征（feature，肌电信号的时间序列值）和标签（label，关节角度的时间序列值）的数据量相同；
线性包络：上述处理后，肌电信号的波动还是比较大；同时，因为肌电信号的幅值是衡量肌肉收缩程度的量度，而肌肉收缩所表现的关节角度变化呈现出低频特征；因此，采用截止频率为5Hz的一阶低通巴特沃斯滤波器对高频进行滤波（优势是这种包络方法可以用于实时应用，缺点是会增加几毫秒延迟）。
2.3 BP神经网络搭建
- 建立m阶非线性模型——确定输入输出数据结构
输入值：
输出预测值：
- 构建BP神经网络训练模型——确定模型结构和阶数，获得合适的参数
BP网络层数：3层-input-hidden-output；
传递函数：hidden层：tansig函数；输出层：purelin函数；
BP网络输出模型：
使用RMS（均方根误差）衡量预测精度：
BP网络结构：
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！