徐 峰，劉婷薇，李 平，朱蓉蓉，姜昊辰

（吉林大學(xué) 通信工程學(xué)院，吉林 長(zhǎng)春 130012）

基于LabVIEW與MATLAB混合編程的手勢(shì)識(shí)別系統(tǒng)

徐 峰，劉婷薇，李 平，朱蓉蓉，姜昊辰

（吉林大學(xué) 通信工程學(xué)院，吉林 長(zhǎng)春 130012）

本文針對(duì)傳統(tǒng)手勢(shì)識(shí)別系統(tǒng)難以應(yīng)用于醫(yī)療領(lǐng)域的不足，基于LabVIEW與MATLAB的混合編程，設(shè)計(jì)了一種基于肌電信號(hào)的識(shí)別手勢(shì)系統(tǒng)。對(duì)手勢(shì)識(shí)別系統(tǒng)設(shè)計(jì)中的關(guān)鍵問(wèn)題進(jìn)行了探討。利用醫(yī)用電極片對(duì)肌電信號(hào)進(jìn)行采集，經(jīng)硬件電路放大濾波等預(yù)處理后通過(guò)高速采集卡送入電腦。將LabVIEW與Matlab相結(jié)合，提取和分析不同手勢(shì)的時(shí)頻特征分量，并進(jìn)行歸一化處理后，建立訓(xùn)練集，根據(jù)KNN算法設(shè)計(jì)并實(shí)現(xiàn)基于肌電信號(hào)的手勢(shì)識(shí)別系統(tǒng)。該系統(tǒng)能夠達(dá)到較高的識(shí)別準(zhǔn)確率。

LaBVIEW；MATLAB節(jié)點(diǎn)；肌電信號(hào)；手勢(shì)識(shí)別；KNN

20世紀(jì)60年代以來(lái)，隨著微型計(jì)算機(jī)技術(shù)和新的電子技術(shù)的不斷發(fā)展，手勢(shì)識(shí)別作為一種應(yīng)用十分廣泛的人機(jī)交互技術(shù)也取得了很大的進(jìn)步。目前手勢(shì)識(shí)別領(lǐng)域研究較成熟的裝置主要為視頻捕捉型[1]，這種類(lèi)型已商用于娛樂(lè)設(shè)備及智能家居方面，但其識(shí)別準(zhǔn)確度不高，不易識(shí)別三維空間的動(dòng)作，且很少能應(yīng)用于醫(yī)療或殘疾人輔助設(shè)施上。針對(duì)這一現(xiàn)象，筆者將手勢(shì)識(shí)別與人體自身產(chǎn)生的肌電信號(hào)相結(jié)合，來(lái)實(shí)現(xiàn)基于肌電信[2]的手勢(shì)識(shí)別系統(tǒng)，這種系統(tǒng)由人體動(dòng)作源頭出發(fā)，可以較精確的識(shí)別出人體的動(dòng)作手勢(shì)。而且，人體的動(dòng)作是由肌電信號(hào)所誘發(fā)的，因此，通過(guò)對(duì)肌電信號(hào)規(guī)律的探討，可以將肌電信號(hào)手勢(shì)識(shí)別系統(tǒng)應(yīng)用至殘疾人的輔助假肢設(shè)備。

采集肌電信號(hào)共分為插入式和貼片式兩種，插入式采集雖然能采集到更穩(wěn)定的肌電信號(hào)但會(huì)對(duì)使用者造成一定的傷害。因此，筆者將表面肌電信號(hào)（sEMG，surface electromyogram）與手勢(shì)識(shí)別技術(shù)相結(jié)合，用醫(yī)用電極片采集肌肉表面肌電信號(hào)，并基于LabVIEW和MATLAB混合編程，設(shè)計(jì)并實(shí)現(xiàn)人體手勢(shì)識(shí)別系統(tǒng)，這種模式提高了手勢(shì)識(shí)別的方便性及安全性，且考慮到了手勢(shì)識(shí)別技術(shù)在臨床醫(yī)學(xué)、康復(fù)治療方面的應(yīng)用前景。研究成果可以擴(kuò)展應(yīng)用至殘疾人的肌電假肢、聾啞人的手語(yǔ)翻譯器、智能家居等方面，應(yīng)用前景十分廣泛。

1 手勢(shì)識(shí)別系統(tǒng)的設(shè)計(jì)

手勢(shì)識(shí)別系統(tǒng)的設(shè)計(jì)框圖如圖1所示。該系統(tǒng)總體功能分為采集部分、硬件處理部分以及軟件識(shí)別部分。采集部分主要利用醫(yī)用扣式電極片對(duì)人體做手勢(shì)時(shí)的肌電信號(hào)進(jìn)行采集。然后將采集到的肌電信號(hào)通過(guò)醫(yī)用電極線送入硬件處理電路。硬件處理電路主要對(duì)采集的信號(hào)進(jìn)行濾波放大的預(yù)處理。經(jīng)過(guò)處理之后再將信號(hào)通過(guò)采集卡的模數(shù)轉(zhuǎn)換送入電腦，在電腦中利用labVIEW軟件對(duì)信號(hào)進(jìn)行50 Hz工頻濾波以及小波去噪，并提取出不同手勢(shì)的肌電信號(hào)特征分量。再采用線性函數(shù)將特征分量歸一化后，最終利用基于最小歐氏距離原理的K最近鄰（KNN，K-NearestNeighbor）分類(lèi)算法建立特征空間，并對(duì)不同手勢(shì)信號(hào)進(jìn)行分類(lèi)，從而實(shí)現(xiàn)對(duì)當(dāng)前人體手勢(shì)進(jìn)行實(shí)時(shí)識(shí)別。

圖1 系統(tǒng)總框圖

1.1 肌電信號(hào)采集部分

人體肌電信號(hào)屬于復(fù)雜的生物電信號(hào)，頻率一般在10～300 Hz之間，幅度在1～5 mV之間，比較微弱。它是在人體將要做出動(dòng)作前，由人體的神經(jīng)元發(fā)出并送至神經(jīng)末梢引發(fā)肌肉的收縮，從而實(shí)現(xiàn)相應(yīng)動(dòng)作。因此只要人體的肌肉收縮，做出動(dòng)作，電極片就可以在合適的位置采集到相應(yīng)的肌電信號(hào)。本系統(tǒng)使用三組電極片來(lái)采集肌電信號(hào)。其中將兩組電極片分別放置于前臂的指伸肌和橈側(cè)腕長(zhǎng)伸肌肉的不同位置以采集肌電電勢(shì)差作為輸入信號(hào)，經(jīng)查詢(xún)相關(guān)資料，得知這兩塊人體肌肉主要負(fù)責(zé)人體手部動(dòng)作。另一組電極片放置在無(wú)肌肉的地方作為參考點(diǎn)。詳細(xì)的肌肉采集點(diǎn)如圖2所示。本系統(tǒng)的采集線采用了終端為三環(huán)耳機(jī)插頭的電極線，并在硬件電路中焊接配套三環(huán)耳機(jī)插孔，這種方式利用了三環(huán)耳機(jī)左聲道、右聲道、參考點(diǎn)的原理，將電信號(hào)通過(guò)電極線的左右聲道傳至電路，作為信號(hào)輸入。而且這種方式的采集端插頭插孔能夠緊密貼合，可以保持采集線的穩(wěn)定，避免了因電極線的晃動(dòng)而對(duì)肌電信號(hào)產(chǎn)生的干擾。

圖2 肌肉采集部位

1.2 硬件電路設(shè)計(jì)

肌電信號(hào)經(jīng)采集后不僅微弱不穩(wěn)定，而且伴有有較大的噪聲和干擾，因此需要對(duì)提取的信號(hào)進(jìn)行放大，濾波，隔離等處理[3]。系統(tǒng)硬件電路整體框架的設(shè)計(jì)如圖3所示。電路選取高精度儀表放大器AD620作為差分放大部分[4]，該部分可以抑制零點(diǎn)漂移及噪聲干擾。肌電信號(hào)通過(guò)差分放大電路的去噪后，再通過(guò)截止頻率為300 Hz的低通濾波器將高頻干擾分量除去，從而獲得有效的肌電信號(hào)。為了更好地觀察處理肌電信號(hào)，本系統(tǒng)用基于LM358的放大電路將其進(jìn)行二次放大以便獲取伏量級(jí)的電信號(hào)。此外，筆者還設(shè)計(jì)了截止頻率為20 Hz的高通濾波電路，來(lái)減少測(cè)量過(guò)程中由皮膚和電極之間移動(dòng)的偽差產(chǎn)生的低頻干擾。最后添加入了光耦隔離電路部分，有效地防止了因有電的連接而引起的干擾，且保護(hù)了前端的硬件電路。經(jīng)過(guò)以上硬件部分的處理，我們即可獲取質(zhì)量較高的有效肌電信號(hào)，為后期的處理和識(shí)別提供了基礎(chǔ)。

圖3 硬件處理整體結(jié)構(gòu)框圖

1.3 軟件總體設(shè)計(jì)

LabVIEW是基于圖形化編程語(yǔ)言（G語(yǔ)言）的開(kāi)發(fā)環(huán)境，是由美國(guó)國(guó)家儀器（NI，National Instruments）公司研制開(kāi)發(fā)。內(nèi)含功能強(qiáng)大的函數(shù)庫(kù)，而且提供很多外觀與傳統(tǒng)儀器的控件，可使用戶(hù)更方便的創(chuàng)建用戶(hù)界面。不僅如此，LabVIEW還含有DAQ助手控件，用戶(hù)在軟件程序面板中加入該控件后就可以直接從NI采集卡中獲取輸出的信號(hào)，無(wú)需進(jìn)行接口聯(lián)調(diào)，方便實(shí)用。因此，我們利用LabVIEW的強(qiáng)大功能設(shè)計(jì)了實(shí)時(shí)手勢(shì)識(shí)別系統(tǒng)[5]。

采集到的肌電信號(hào)通過(guò)前期硬件預(yù)處理后，需要將其傳至電腦端進(jìn)行進(jìn)一步的處理及算法識(shí)別。本系統(tǒng)采用了NI公司出品的USB-6008采集卡，該采集卡能在很短的時(shí)間內(nèi)對(duì)數(shù)據(jù)進(jìn)行基本的采集測(cè)量，能夠滿(mǎn)足本系統(tǒng)對(duì)實(shí)時(shí)識(shí)別的要求。肌電信號(hào)經(jīng)過(guò)采集卡的A/D轉(zhuǎn)換后經(jīng)USB口傳入電腦，在PC端可利用NI公司出品的LabVIEW軟件，調(diào)用軟件自帶的DAQ助手[6]，即可從采集卡中實(shí)時(shí)獲取采集的信號(hào)，在DAQ助手后端添加處理控件，即可對(duì)其進(jìn)行信號(hào)處理。LabVIEW軟件不僅可以實(shí)現(xiàn)實(shí)時(shí)采集處理，還能夠在軟件程序面板中添加MATLAB節(jié)點(diǎn)，將MATLAB強(qiáng)大的計(jì)算功能應(yīng)用至LabVIEW，實(shí)現(xiàn)LabVIEW與MATLAB的混合編程。筆者將LabVIEW與MATLAB的結(jié)合應(yīng)用于本識(shí)別系統(tǒng)，可以實(shí)時(shí)有效地采集肌電信號(hào)并提取出肌電信號(hào)特征值，根據(jù)得到的特征量編寫(xiě)識(shí)別算法，能夠較為準(zhǔn)確地識(shí)別出人體的不同動(dòng)作手勢(shì)[7]。

1.4 50 Hz工頻去噪

頻率為50 Hz的市電電壓，會(huì)以電磁波的形式對(duì)外輻射，此現(xiàn)象將對(duì)外界的電子設(shè)備造成干擾。肌電信號(hào)微弱且不穩(wěn)定，更易被工頻信號(hào)所影響。所以識(shí)別系統(tǒng)需要去除這一干擾對(duì)肌電信號(hào)造成的影響，并盡量保留附近頻段的有效信息?？紤]到以上原因，本系統(tǒng)在LabVIEW平臺(tái)提供的控制程序框圖中調(diào)用MATLAB節(jié)點(diǎn)，編寫(xiě)陷波器程序，能夠基本濾除采集到的肌電信號(hào)中50 Hz工頻的干擾。

1.5 小波去噪

近年來(lái)，小波變換的理論得到了非常迅速的發(fā)展。它擁有良好的時(shí)頻特性，適合應(yīng)用于sEMG等非穩(wěn)定信號(hào)的分析。小波變換的原理思想與短時(shí)傅里葉變換（STFT，short-time Fourier transform）局部化的思想相類(lèi)似，但是不同的是它能夠?yàn)榉欠€(wěn)定信號(hào)提供一個(gè)隨著頻率而變化的時(shí)頻窗口。小波變換通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)進(jìn)行多尺度細(xì)化，將信號(hào)高頻部分時(shí)間細(xì)分，低頻部分頻率細(xì)分，自適應(yīng)的對(duì)信號(hào)進(jìn)行分析，能夠提取信號(hào)的細(xì)節(jié)信息?；谛〔ㄗ儞Q這樣的特點(diǎn)，將其應(yīng)用至信號(hào)去噪的方面，小波去噪實(shí)質(zhì)上類(lèi)似于對(duì)信號(hào)進(jìn)行濾波，它既可以濾去信號(hào)的高頻干擾信號(hào)，還可以成功的保留有效信號(hào)的特征，即能抑制信號(hào)的無(wú)用部分，且可恢復(fù)信號(hào)的有用部分[8]。這種去噪方式也因此廣泛應(yīng)用于圖像、聲音等信號(hào)的處理。

本系統(tǒng)采用了給定閾值去噪處理的方法，并選取半軟閾值函數(shù)。這種方法可以獲取較為準(zhǔn)確的閾值[6]且可以兼顧硬閾值與軟閾值的優(yōu)點(diǎn)[9]。其表達(dá)式如下：

其中，0

經(jīng)過(guò)以上小波去噪的處理，采集到的信號(hào)，有用分量將強(qiáng)，其中的波形中覆蓋的噪聲和毛刺減少，提高了信號(hào)的有效性。

2 手勢(shì)識(shí)別系統(tǒng)的實(shí)現(xiàn)

2.1 系統(tǒng)界面的實(shí)現(xiàn)

筆者在LabVIEW實(shí)驗(yàn)平臺(tái)中設(shè)計(jì)并實(shí)現(xiàn)了手勢(shì)識(shí)別系統(tǒng)，系統(tǒng)界面如圖4所示。該界面可顯示當(dāng)前采集到的肌電信號(hào)濾前濾后的時(shí)域、頻域波形和部分特征值，且可以顯示出本系統(tǒng)對(duì)采集到的肌電信號(hào)類(lèi)別的判斷識(shí)別。

圖4 識(shí)別系統(tǒng)界面

2.2 LabVIEW調(diào)用Matlab節(jié)點(diǎn)

Matlab具有強(qiáng)大的數(shù)值分析能力，我們?cè)贚abVIEW中調(diào)用MATLAB節(jié)點(diǎn)[10]，利用MATLAB對(duì)肌電信號(hào)的特征分量進(jìn)行算法編程，以實(shí)現(xiàn)手勢(shì)的正確識(shí)別。調(diào)用過(guò)程為在LabVIEW中添加函數(shù)控件-數(shù)學(xué)-腳本與公式-MATLAB節(jié)點(diǎn)。LabVIEW調(diào)用MATLAB節(jié)點(diǎn)的部分程序如圖5所示。

2.3 手勢(shì)識(shí)別算法

本系統(tǒng)實(shí)現(xiàn)手勢(shì)識(shí)別功能需要兩部分。首先采用移動(dòng)平均法來(lái)確定信號(hào)的起點(diǎn)和終點(diǎn)，以獲取肌電信號(hào)的有效活動(dòng)段。準(zhǔn)確判斷信號(hào)的起終點(diǎn)，可以使系統(tǒng)提取出有效的特征分量，以便系統(tǒng)準(zhǔn)確的對(duì)不同手勢(shì)進(jìn)行分類(lèi)識(shí)別。移動(dòng)平均法是根據(jù)采集到的肌電信序列的幅值是否超過(guò)閾值來(lái)確定起終點(diǎn)，簡(jiǎn)單實(shí)用可以滿(mǎn)足系統(tǒng)實(shí)時(shí)判別的要求。具體公式如下：

圖5 部分程序框圖

移動(dòng)平均法即先求出不同手勢(shì)信號(hào)幅度的均方值。H為采集通道數(shù)，SEMGraw（k）（i）為實(shí)時(shí)的采集信號(hào)。取窗W=64得SEMGM_A（i），即信號(hào)的移動(dòng)平均值。TH為所設(shè)幅度閾值，當(dāng)信號(hào)移動(dòng)平均值大于幅度閾值，則為活動(dòng)段信號(hào)，若小于則置為0去除[11]。

系統(tǒng)判斷出信號(hào)的活動(dòng)段后即可進(jìn)行特征提取及識(shí)別算法分類(lèi)。本系統(tǒng)的核心算法為KNN分類(lèi)算法[12]，即為了判定未知樣本的類(lèi)別，采集訓(xùn)練樣本建立訓(xùn)練集，提取訓(xùn)練集中不同種類(lèi)的歸一化特征分量建立特征空間。系統(tǒng)采集到未知樣本后，計(jì)算未知樣本在特征空間中與各維的歐式距離，并以最鄰近者的類(lèi)別作為判斷未知樣本類(lèi)別的依據(jù)。為了避免樣本過(guò)大導(dǎo)致誤判的情況，筆者采用權(quán)值的方法來(lái)進(jìn)行改進(jìn)，與該樣本距離小的鄰居權(quán)值大，與該樣本距離大的鄰居權(quán)值則相對(duì)較小。此算法主要分為3個(gè)步驟：

1）算距離：給定測(cè)試對(duì)象即采集到的肌電信號(hào)，計(jì)算它與訓(xùn)練集中的每個(gè)對(duì)象的距離；

2）找鄰居：圈定距離最近的k個(gè)訓(xùn)練對(duì)象，作為測(cè)試對(duì)象的近鄰；

3）做分類(lèi)：根據(jù)這k個(gè)近鄰歸屬的主要類(lèi)別，來(lái)對(duì)送入的信號(hào)進(jìn)行分類(lèi)，判斷動(dòng)作類(lèi)型[13]。

筆者經(jīng)過(guò)大量的試驗(yàn)采集，對(duì)實(shí)驗(yàn)數(shù)據(jù)的時(shí)頻特征進(jìn)行分析后選定5個(gè)特征分量[14]來(lái)作為識(shí)別依據(jù)，具體公式[15]如下：

2.4 特征值處理

由于特征參量的變化范圍及量級(jí)不同，運(yùn)用KNN算法時(shí)需要對(duì)特征數(shù)據(jù)進(jìn)行歸一化的處理，否則較大量級(jí)的特征參數(shù)的變化就回掩蓋住較小量級(jí)特征參數(shù)的變化[16]。目前，較為常見(jiàn)的方法有取線性函數(shù)轉(zhuǎn)換、對(duì)數(shù)函數(shù)轉(zhuǎn)換和反正切函數(shù)轉(zhuǎn)換。其中對(duì)數(shù)函數(shù)和反正切函數(shù)的轉(zhuǎn)換會(huì)導(dǎo)致小數(shù)據(jù)放大大數(shù)據(jù)縮小的效果，不能滿(mǎn)足本系統(tǒng)線性處理的要求。因此，對(duì)于特征值的歸一化處理需要用到線性函數(shù)轉(zhuǎn)換，具體轉(zhuǎn)換公式如下：

公式中 x，y分別是轉(zhuǎn)換前后的值，MaxValue、MinValue分別為樣本的最大值和最小值。通過(guò)以上線性函數(shù)對(duì)數(shù)據(jù)的歸一化處理，可以實(shí)現(xiàn)對(duì)數(shù)據(jù)等比例的放大縮小，使其范圍在0～1之間。

另外，每個(gè)特征參數(shù)對(duì)數(shù)據(jù)的分類(lèi)貢獻(xiàn)不一致，因此筆者利用數(shù)學(xué)建模中評(píng)價(jià)類(lèi)紋理的解決方法，對(duì)每個(gè)特征參量的貢獻(xiàn)度進(jìn)行評(píng)估，確定出各自的權(quán)值。最后將各特征參量乘以對(duì)應(yīng)權(quán)值以得到統(tǒng)計(jì)平均值。經(jīng)過(guò)對(duì)數(shù)據(jù)的歸一化及權(quán)值處理后，即可獲得分類(lèi)手勢(shì)的特征閾值，以更準(zhǔn)確的識(shí)別未知信號(hào)的手勢(shì)類(lèi)別。

3 結(jié)果分析

在手勢(shì)識(shí)別系統(tǒng)中，設(shè)置采樣頻率為1 000，采樣點(diǎn)數(shù)為500。每類(lèi)動(dòng)作模式以1 s做一次動(dòng)作，30 s為一組進(jìn)行采集，采集多組數(shù)據(jù)建立訓(xùn)練集。之后對(duì)訓(xùn)練集中數(shù)據(jù)進(jìn)行時(shí)頻特征分析比較。經(jīng)過(guò)大量的數(shù)據(jù)統(tǒng)計(jì)后，發(fā)現(xiàn)各手勢(shì)的時(shí)頻特征存在可以區(qū)分的差異。目前系統(tǒng)能夠識(shí)別的手勢(shì)種類(lèi)為石頭，剪刀，布，擺手4種手勢(shì)，且識(shí)別率平均在92%以上，具體手勢(shì)動(dòng)作如圖6所示。

圖6 分類(lèi)手勢(shì)圖

筆者對(duì)實(shí)驗(yàn)數(shù)據(jù)及結(jié)果進(jìn)行了統(tǒng)計(jì)。手勢(shì)特征數(shù)據(jù)對(duì)比及系統(tǒng)對(duì)手勢(shì)識(shí)別成功率如表1所示，從表中可見(jiàn)，不同手勢(shì)在時(shí)頻域的特征參量有各自的特征。能夠通過(guò)這些特征參量進(jìn)行算法分類(lèi)，來(lái)用于識(shí)別采集到的未知手勢(shì)。

表1 各手勢(shì)特征值及識(shí)別率

4 結(jié)束語(yǔ)

文中介紹了基于LabVIEW與MATLAB混合編程的肌電信號(hào)手勢(shì)識(shí)別系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)過(guò)程。該系統(tǒng)不僅可以實(shí)現(xiàn)對(duì)肌電信號(hào)的實(shí)時(shí)采集處理，而且成功地利用LabVIEW與MATLAB的聯(lián)調(diào)，提取出了有效的肌電信號(hào)特征值。在對(duì)特征值的分析利用中，考慮到多個(gè)參數(shù)變化范圍較大的現(xiàn)象，筆者結(jié)合了數(shù)學(xué)建模中評(píng)價(jià)類(lèi)紋理的解決方法，對(duì)特征值進(jìn)行了歸一化處理。最后，根據(jù)KNN識(shí)別分類(lèi)算法實(shí)現(xiàn)了對(duì)不同手勢(shì)的識(shí)別判斷。大量實(shí)驗(yàn)數(shù)據(jù)表明，系統(tǒng)能夠較為準(zhǔn)確地識(shí)別出人體的不同動(dòng)作手勢(shì)，主要有石頭、剪刀、布和擺手等幾個(gè)動(dòng)作，識(shí)別準(zhǔn)確率能達(dá)到92%以上，具備高效性和實(shí)時(shí)性。同時(shí)，本系統(tǒng)是通過(guò)皮膚表面肌電信號(hào)對(duì)手勢(shì)進(jìn)行的識(shí)別，肌電信號(hào)是引起手勢(shì)動(dòng)作的源頭。因此，本識(shí)別系統(tǒng)可以廣泛地應(yīng)用到醫(yī)療康復(fù)系統(tǒng)中，為人們的生活提供更多的便利，有更好的應(yīng)用前景。

[1]侯祖貴.基于慣性傳感器的人體動(dòng)作分析與識(shí)別[D].哈爾濱：哈爾濱工程大學(xué)，2013.

[2]丁其川，趙新剛，韓建達(dá).基于肌電信號(hào)容錯(cuò)分類(lèi)的手部動(dòng)作識(shí)別[J].機(jī)器人，2015（1）:9-16.

[3]李成凱，席旭剛，王俊偉，等.表面肌電信號(hào)采集系統(tǒng)設(shè)計(jì)[J].杭州電子科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2015（2）:34-37.

[4]張琳琳.表面肌電信號(hào)采集電路的設(shè)計(jì)與實(shí)現(xiàn)[J].硅谷，2015（2）:28-29.

[5]孟盈盈.基于LabVIEW的數(shù)據(jù)采集系統(tǒng)教學(xué)儀器的設(shè)計(jì)[D].南寧：廣西大學(xué)，2012.

[6]王春紅.基于LABVIEW的表面肌電信號(hào)采集系統(tǒng)設(shè)計(jì)[J].河南科技，2013（13）:6-7.

[7]王紅旗，毛啊敏，李林偉.基于線性判別分析的表面肌電信號(hào)特征識(shí)別 [J].河南理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2015（6）:831-835.

[8]任杰.基于小波變換的表面肌電信號(hào)去噪方法[J].科技信息，2011（27）:476-477.

[9]張德峰.MATLAB小波分析[M].北京：機(jī)械工業(yè)出版社，2011.

[10]王桔，丁銳，洪梅.基于LabVIEW的面部表情識(shí)別系統(tǒng)的設(shè)計(jì)[J].吉林大學(xué)學(xué)報(bào)：信息科學(xué)版，2015（6）:714-718.

[11]尚小晶.肌電-運(yùn)動(dòng)關(guān)系建模與運(yùn)動(dòng)模式識(shí)別研究[D].長(zhǎng)春：吉林大學(xué)，2012.

[12]RiilloF，QuitadamoLR，CavriniF，etal.Optimization of EMG-based hand gesture recognition:Supervised vs.unsupervised data preprocessing on healthy subjects and transradial amputees[J].Biomedical SignalProcessing&Control，2014，14（1）:117-125.

[13]何樂(lè)生，宋愛(ài)國(guó).一種基于肌電信號(hào)的動(dòng)作起始時(shí)刻識(shí)別方法[J].數(shù)據(jù)采集與處理，2006（3）:266-271.

[14]Kim J，Mastnik S，André E.EMG-based hand gesture recognition for realtime biosignal interfacing [C]//Proceedings of the 13th international conference on Intelligentuser interfaces.ACM，2008:30-39.

[15]吳冬梅，孫欣，張志成，等.表面肌電信號(hào)的分析和特征提取 [J].中國(guó)組織工程研究與臨床康復(fù)，2010，43:8073-8076.

[16]徐仔波，陳文超，高靜懷，等.一種改進(jìn)的多通道盲信號(hào)解相關(guān)算法[J].工程數(shù)學(xué)學(xué)報(bào)，2011（1）:15-20.

A handgesture recognition system based on the hybrid programming of LabVIEW and MATLAB

XU Feng，LIU Ting-wei，LI Ping，ZHU Rong-rong，JIANG Hao-chen
（College of Communication Engineering，Jilin University，Changchun 130012，China）

The traditional gesture recognition system is difficult to apply to the medical filed.This paper designs a handgesture recognition system based on EMG with a hybrid programming of LabVIEW and matlab.This paper discusses the key problem about the design of Hand-gesture Recognition System，and proposes a method to collect electromyographic signals（EMG）with medical electrode slices，then make the pretreatments by the hardware circuits such as differential amplifier and filtering.After these processing，the EMG was sent to PC using the high-speed data acquisition card.This paper suggests that it should extract and analyze the time-frequency characteristics of different gestures，then establish a training set with LabVIEW and matlab combined.Finally the paper explains a way to design and set up a handgesture recognition system based on EMG according to the K-Nearest-Neighbor（KNN）algorithm. so as to achieve a higher recognition accuracy.

LaBVIEW；MATLAB script；electromyographic signal（EMG）；handgesture recognition；KNearest-Neighbor（KNN）

TP391.4

：A

：1674-6236（2017）08-0032-05

2016-04-10稿件編號(hào)：201604091

吉林大學(xué)2015年國(guó)家級(jí)"大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃"基金資助項(xiàng)目（2015520651）

徐 峰（1966—），男，江蘇常熟人 ，碩士，工程師。研究方向：電子技術(shù)領(lǐng)域?qū)嶒?yàn)教學(xué)和科研。