亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        針對(duì)上肢高位截肢者的肌電假肢設(shè)計(jì)*

        2018-04-09 07:26:40張定國(guó)
        傳感器與微系統(tǒng) 2018年4期
        關(guān)鍵詞:動(dòng)作

        汪 洋, 張定國(guó)

        (上海交通大學(xué) 機(jī)械系統(tǒng)與振動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,上海 200240)

        0 引 言

        肌電作為一種人體生物信號(hào),包含了大量的神經(jīng)信號(hào)[1],結(jié)合模式識(shí)別算法可以解析出相應(yīng)的運(yùn)動(dòng)意圖[2]。國(guó)內(nèi)外一些機(jī)構(gòu)針對(duì)用肌電信號(hào)控制的假肢進(jìn)行了很多研究[3~6]。但目前研究工作大多聚焦于手部假肢,即面向前臂截肢者,鮮有針對(duì)高位截肢患者的肌電假肢設(shè)計(jì)和研發(fā)。主要原因有:1)采集的表面肌電信號(hào)存在很多噪聲,且不同的肌肉產(chǎn)生肌電信號(hào)傳導(dǎo)至皮膚存在串?dāng)_[7]。2)人體的肌電信號(hào)在每天的不同時(shí)刻均可能存在差異,且每次佩戴肌電采集裝置的位置亦存在差異[8],導(dǎo)致難保證上一次訓(xùn)練的模式識(shí)別模型可以在下一次使用[9,10]。3)一般訓(xùn)練的模型比較大,難以在線快速訓(xùn)練,而快速訓(xùn)練對(duì)于截肢患者是很重要的一個(gè)指標(biāo)[11]。4)對(duì)于一般高位截肢者控制手部和腕部運(yùn)動(dòng)的肌電信號(hào)已經(jīng)丟失,其結(jié)果是控制手部和腕部的意圖不能從肌電信號(hào)中體現(xiàn)出來(lái)。因此,目前的假肢大多以肌電信號(hào)作為開(kāi)關(guān)量控制假肢的運(yùn)動(dòng),通過(guò)多個(gè)肌電采集通道上的有無(wú)狀態(tài)的組合控制假肢各個(gè)關(guān)節(jié)的運(yùn)動(dòng)[12]。這種控制方式很難做到截肢者想做什么動(dòng)作,假肢就做出什么樣的動(dòng)作,導(dǎo)致使用者認(rèn)為假肢實(shí)用性不強(qiáng)[13,14]。

        上述問(wèn)題中前3個(gè)問(wèn)題可以通過(guò)改進(jìn)肌電傳感器、肌電處理算法和假肢接收腔的佩戴方式解決[12,15]。針對(duì)問(wèn)題(4),美國(guó)Kuiken團(tuán)隊(duì)提出的靶向肌肉神經(jīng)移植(targeted muscle reinnervation,TMR)手術(shù)提供了解決方案[16],將殘留的神經(jīng)移植到殘余的靶向肌肉(比如胸大肌)上,從而恢復(fù)控制手部和腕部運(yùn)動(dòng)的肌電信號(hào)。目前基于TMR的肌電假肢研究只在美國(guó)的某些團(tuán)隊(duì)開(kāi)展,國(guó)內(nèi)尚未有相關(guān)研究成果發(fā)表。

        本文與上海華山醫(yī)院手外科合作,在國(guó)內(nèi)率先開(kāi)展了基于靶向肌肉神經(jīng)移植手術(shù)的肌電假肢研究。主要介紹了一種針對(duì)高位截肢患者的假肢系統(tǒng)設(shè)計(jì),為后期的臨床測(cè)試奠定了基礎(chǔ)。

        1 假肢結(jié)構(gòu)

        假肢的運(yùn)動(dòng)關(guān)節(jié)包括肘關(guān)節(jié)、腕關(guān)節(jié)和手。機(jī)械臂的三維模型和實(shí)物如圖1所示。機(jī)械手使用了由上海交通大學(xué)機(jī)器人研究所生機(jī)電實(shí)驗(yàn)室研發(fā)的SJTU-6,包含6個(gè)自由度。本文6個(gè)自由度耦合使用,由控制器控制6個(gè)電機(jī)同時(shí)運(yùn)動(dòng),當(dāng)檢測(cè)到某個(gè)手指與物體達(dá)到一定接觸力時(shí),手指停止運(yùn)動(dòng),而其他未滿(mǎn)足條件的手指則繼續(xù)運(yùn)動(dòng)。由此機(jī)械手即可更容易地抓取不同形狀的物體。肘關(guān)節(jié)采用無(wú)刷電機(jī)和諧波減速器的設(shè)計(jì)方案,腕關(guān)節(jié)采用無(wú)刷電機(jī)加行星減速器的方式。另外,考慮到腕關(guān)節(jié)的旋轉(zhuǎn)運(yùn)動(dòng)對(duì)布線的影響,在腕關(guān)節(jié)增加了導(dǎo)電滑環(huán)。導(dǎo)電滑環(huán)可以在避免導(dǎo)線纏繞的情況下為機(jī)械手上的電機(jī)供電。各個(gè)關(guān)節(jié)的運(yùn)動(dòng)范圍如表1所示。

        表1 手臂性能參數(shù)

        2 假肢電氣系統(tǒng)

        2.1 硬件結(jié)構(gòu)

        硬件結(jié)構(gòu)如圖2所示,硬件系統(tǒng)包括肌電采集模塊、總控制模塊和驅(qū)動(dòng)模塊。肌電采集模塊將表面肌電信號(hào)放大濾波,驅(qū)動(dòng)模塊驅(qū)動(dòng)相應(yīng)的電機(jī)運(yùn)動(dòng),肘部關(guān)節(jié)和腕部關(guān)節(jié)的無(wú)刷電機(jī)的驅(qū)動(dòng)模塊直接由總控制器控制,手部電機(jī)的驅(qū)動(dòng)模塊由手部控制器控制,總控制器通過(guò)串口發(fā)送命令控制手部控制器。

        圖2 硬件結(jié)構(gòu)框圖

        2.2 采樣系統(tǒng)

        肌電信號(hào)在由模/數(shù)轉(zhuǎn)換器(analog to digital converter,ADC)采樣前首先通過(guò)儀表放大器和運(yùn)放組成的濾波電路[17]被放大和濾波,如圖3所示。

        圖3 采樣系統(tǒng)

        肌電信號(hào)通過(guò)低通濾波器,經(jīng)過(guò)儀表放大器放大100倍后,通過(guò)截止頻率為15.9~482 Hz的帶通濾波器。經(jīng)過(guò)陷波頻率為50 Hz的陷波器,并將信號(hào)再次放大50倍。再對(duì)放大和濾波后的信號(hào)抬升1.5V,最終由STM32F103ZET6的ADC采樣得到。ADC的采樣頻率為1 860 Hz。在該假肢系統(tǒng)中共有5個(gè)肌電采集通道。ADC采用輪詢(xún)方式,采樣結(jié)束后由直接存儲(chǔ)器存取(direct memory access,DMA)存于緩存中。當(dāng)每個(gè)通道采集滿(mǎn)128個(gè)數(shù)據(jù)點(diǎn)后執(zhí)行一次特征提取。

        3 控制算法

        3.1 算法基礎(chǔ)

        假肢有3個(gè)獨(dú)立的自由度,為了做到使截肢患者靈巧地控制假肢,必須得到7個(gè)不同類(lèi)的動(dòng)作,即控制3個(gè)自由度往返的6類(lèi)動(dòng)作和一個(gè)休息態(tài)的動(dòng)作。但考慮到保證識(shí)別率,系統(tǒng)中將手腕的內(nèi)旋和外旋合并為一個(gè)外旋動(dòng)作,即共有6類(lèi)動(dòng)作,如表2所示。

        6類(lèi)動(dòng)作可以根據(jù)情況進(jìn)行定義,最理想的狀態(tài)是定義成和假肢的動(dòng)作相同的動(dòng)作類(lèi)型。在一般情況下高位截肢患者人群,相應(yīng)的肌肉已經(jīng)不存在或者萎縮。需要找到替代的信號(hào)源或者進(jìn)行神經(jīng)移植手術(shù)[16],但亦無(wú)法保證每種運(yùn)動(dòng)的運(yùn)動(dòng)神經(jīng)能夠分開(kāi),所以本文動(dòng)作1,2,3,4,5未限定。為了識(shí)別包括空閑態(tài)的6類(lèi)動(dòng)作,系統(tǒng)中采用了模式識(shí)別的方式。

        系統(tǒng)選用基于貝葉斯決策的線性分類(lèi)器(linear discriminant analysis,LDA)[18~20],可以達(dá)到快速訓(xùn)練的要求。特征選用時(shí)域上的特征,便于實(shí)時(shí)系統(tǒng)的計(jì)算,提高識(shí)別速度,且能達(dá)到良好的效果[21,22]。肌電采用的特征有絕對(duì)平均值(mean absolute value,MAV)、波長(zhǎng)(wave length,WL)、過(guò)零點(diǎn)數(shù)(zero-point crossing,ZC)、斜率符號(hào)變化(slope symbol change,SSC)次數(shù)4個(gè)特征,分別由式(1)~式(4)得到[3]

        (1)

        (2)

        (3)

        (4)

        分類(lèi)器計(jì)算公式為

        (5)

        式中X為特征向量;μC為相應(yīng)動(dòng)作類(lèi)別所有訓(xùn)練特征向量的平均向量。p(wc)為動(dòng)作c出現(xiàn)的概率,在實(shí)際情況中一般每個(gè)動(dòng)作出現(xiàn)的概率是相當(dāng)?shù)?,所以在系統(tǒng)中不考慮每個(gè)動(dòng)作概率不同的影響,即在此處lnp(wc)=0。式中的Σ為總協(xié)方差矩陣,其計(jì)算公式為[15]。

        (6)

        式中Σc為各個(gè)動(dòng)作的協(xié)方差矩陣;C為動(dòng)作類(lèi)別數(shù);nc為每個(gè)動(dòng)作的訓(xùn)練樣本數(shù);N為總的訓(xùn)練樣本數(shù)。當(dāng)?shù)玫揭粋€(gè)X時(shí),通過(guò)式(5)計(jì)算得到6個(gè)值。比較6個(gè)值的大小,最終的識(shí)別結(jié)果即為最大值對(duì)應(yīng)的動(dòng)作。

        3.2 算法的片上實(shí)現(xiàn)過(guò)程

        3.2.1 訓(xùn)練流程

        在控制板上有6個(gè)指示燈分別對(duì)應(yīng)6類(lèi)動(dòng)作。當(dāng)相應(yīng)按鈕按下時(shí)對(duì)應(yīng)的指示燈亮起,使用者做出相應(yīng)的動(dòng)作,同時(shí)ADC開(kāi)始采樣。每個(gè)動(dòng)作的采樣時(shí)間約為7 s,為了得到穩(wěn)態(tài)的信號(hào)將前4 s的信號(hào)舍棄。

        為了保證實(shí)時(shí)性和識(shí)別率,系統(tǒng)中的數(shù)據(jù)處理窗長(zhǎng)度為256個(gè)數(shù)據(jù)點(diǎn),滑動(dòng)窗長(zhǎng)度為128個(gè)數(shù)據(jù)點(diǎn)[19]。在1 860 Hz的采樣頻率下,處理的延遲時(shí)間為68.8 ms,明顯小于可以接受的延遲時(shí)間256 ms[19]。當(dāng)各通道得到128個(gè)數(shù)據(jù)點(diǎn)時(shí),將這些數(shù)據(jù)與之前的128個(gè)數(shù)據(jù)合并,并提取特征。處理過(guò)程如圖4所示。

        圖4 肌電特征的實(shí)時(shí)提取

        整個(gè)系統(tǒng)的訓(xùn)練過(guò)程如圖5所示。當(dāng)指示燈1亮?xí)r,使用者開(kāi)始做動(dòng)作1。主控板上的ADC不停地將采樣結(jié)果經(jīng)DMA存儲(chǔ)在緩存區(qū),當(dāng)所有通道的存儲(chǔ)數(shù)量達(dá)到128時(shí)觸發(fā)中斷。為了消除尾跡的影響,在開(kāi)始的緩沖區(qū)存滿(mǎn)前200次未進(jìn)行訓(xùn)練,即前4 s的數(shù)據(jù)。在緩沖區(qū)滿(mǎn)201次時(shí),中斷程序?qū)⒋舜蔚玫降?28個(gè)數(shù)據(jù)和上一次得到的128個(gè)數(shù)據(jù)合并,提取特征。每個(gè)動(dòng)作提取40次特征。系統(tǒng)中有5個(gè)通道,每個(gè)通道提取4個(gè)時(shí)域特征,最終可以得到40個(gè)20維的特征向量。由該40個(gè)特征向量得到動(dòng)作1的協(xié)方差矩陣,并得到40個(gè)特征向量的平均特征向量μC。

        圖5 在線訓(xùn)練算法流程

        在得到各個(gè)動(dòng)作的協(xié)方差矩陣后通過(guò)式(6)將各動(dòng)作的協(xié)方差矩陣合并得到最終的總協(xié)方差矩陣Σ。

        3.2.2 識(shí)別流程

        如圖6,得到各動(dòng)作的平均特征向量μC和總的協(xié)方差矩陣Σ后即可根據(jù)式(5)進(jìn)行動(dòng)作識(shí)別。當(dāng)緩沖區(qū)的數(shù)據(jù)存滿(mǎn)128個(gè)時(shí)送入分類(lèi)器,分類(lèi)器結(jié)合上128個(gè)數(shù)據(jù)進(jìn)行預(yù)測(cè)。

        圖6 在線動(dòng)作識(shí)別流程

        根據(jù)預(yù)測(cè)結(jié)果即可由主控板對(duì)驅(qū)動(dòng)電路發(fā)出控制指令,控制相應(yīng)的關(guān)節(jié)運(yùn)動(dòng)。

        4 實(shí) 驗(yàn)

        4.1 受試者信息

        實(shí)驗(yàn)招募了5位受試者,4名男性,1名女性,年齡在20~26歲。5名受試者手臂健全。

        4.2 實(shí)驗(yàn)流程

        為驗(yàn)證系統(tǒng)的識(shí)別率,進(jìn)行了5名受試者的在線分類(lèi)實(shí)驗(yàn)。分類(lèi)實(shí)驗(yàn)包括了1次分類(lèi)器訓(xùn)練和10次預(yù)測(cè)。

        整個(gè)實(shí)驗(yàn)的過(guò)程如下:1)將5個(gè)肌電電極片貼于手臂。貼放的位置分別為掌長(zhǎng)肌、尺側(cè)腕屈肌、指伸肌、肱二頭肌和肱三頭肌,如圖7所示。注意:參考這些前臂肌電電極針對(duì)的肌肉,后期將會(huì)在高位截肢患者上進(jìn)行靶向肌肉神經(jīng)移位手術(shù)來(lái)獲取對(duì)應(yīng)的肌電信號(hào)。2)訓(xùn)練線性分類(lèi)器,受試者根據(jù)指示燈的提示分別作出放松、握拳、外翻手腕、內(nèi)翻手腕、屈肘和伸肘6類(lèi)動(dòng)作。在放松狀態(tài)下手臂處于自然垂直狀態(tài);握拳、手腕外翻和手腕內(nèi)翻3個(gè)動(dòng)作手臂處于垂直狀態(tài);在屈肘時(shí),手腕和手指放松,上臂處于垂直狀態(tài);在伸肘時(shí)手腕和手指處于放松狀態(tài),手臂處于垂直狀態(tài)。3)6類(lèi)動(dòng)作按放松、握拳、外翻手腕、內(nèi)翻手腕、屈肘和伸肘的順序進(jìn)行。每個(gè)動(dòng)作大約7s。6類(lèi)動(dòng)作完成后,得到分類(lèi)器模型。

        圖7 電極貼放位置

        在預(yù)測(cè)實(shí)驗(yàn)中,受試者根據(jù)指示燈的提示完成相應(yīng)動(dòng)作,分類(lèi)器將分類(lèi)的結(jié)果存儲(chǔ)在STM32的RAM上。動(dòng)作的順序與訓(xùn)練時(shí)相同,每個(gè)動(dòng)作的持續(xù)時(shí)間為4 s左右。受試者根據(jù)指示燈的提示進(jìn)行動(dòng)作切換。受試者完成一次預(yù)測(cè)實(shí)驗(yàn)后,系統(tǒng)暫停分類(lèi),通過(guò)串口將分類(lèi)的結(jié)果傳輸至上位機(jī),保存結(jié)果。重復(fù)預(yù)測(cè)實(shí)驗(yàn)10次。

        4.3 實(shí)驗(yàn)結(jié)果

        上述實(shí)驗(yàn)可以得到5名受試者的識(shí)別率數(shù)據(jù)。任意抽取1名受試者的1次預(yù)測(cè)實(shí)驗(yàn)的實(shí)驗(yàn)數(shù)據(jù),如圖8所示。如圖中橫坐標(biāo)所示前60次受試者放松,61~120次受試者握拳,后面以此類(lèi)推??v坐標(biāo)為識(shí)別結(jié)果,其中,1為放松態(tài),2為握拳,3為外翻手腕,4為內(nèi)翻手腕,5為屈肘,6為伸肘。

        圖8 6類(lèi)動(dòng)作在線預(yù)測(cè)結(jié)果

        從圖9可以看出,雖然在60~120次指示燈指示做握拳的動(dòng)作,但識(shí)別結(jié)果依然為放松態(tài),該現(xiàn)象稱(chēng)為識(shí)別延遲。在后面幾個(gè)動(dòng)作的切換點(diǎn)處也存在同樣的識(shí)別延遲。主要原因是受試者在看到指示燈跳轉(zhuǎn),到調(diào)節(jié)到相應(yīng)的動(dòng)作存在一段時(shí)間。另外從圖中可以看出:2個(gè)動(dòng)作的間隔時(shí)間點(diǎn)附近識(shí)別的結(jié)果會(huì)發(fā)生跳動(dòng)。例如在屈肘和伸肘間隔點(diǎn)附近識(shí)別結(jié)果跳到了4(內(nèi)翻手腕)。主要是因?yàn)樵趦蓚€(gè)動(dòng)作切換時(shí),肌電信號(hào)不穩(wěn)定。

        以上的結(jié)果同樣可以從5名受試者總的混淆矩陣看出,如表3所示?;煜仃嚨膶?duì)角線為動(dòng)作識(shí)別的正確率,可以看出:動(dòng)作1(握拳)識(shí)別率為95.1 %,為5個(gè)動(dòng)作中最高的,而每類(lèi)動(dòng)作的錯(cuò)誤分類(lèi)情況主要集中在該動(dòng)作的前一個(gè)動(dòng)作。例如動(dòng)作2被識(shí)別為動(dòng)作1有16.7 %,動(dòng)作3被識(shí)別為動(dòng)作2的有15.1 %,后面幾個(gè)動(dòng)作存在類(lèi)似情況。

        表3 6類(lèi)動(dòng)作的混淆矩陣 %

        為了消除這種現(xiàn)象的影響,在分析時(shí)應(yīng)當(dāng)剔除動(dòng)作切換時(shí)的數(shù)據(jù)。在舍棄識(shí)別結(jié)果時(shí),以動(dòng)作切換的起始點(diǎn)為參考點(diǎn),向后數(shù)。圖9顯示了隨著舍棄切換處分類(lèi)結(jié)果識(shí)別率的變化過(guò)程,可以看出:休息態(tài)的識(shí)別率無(wú)變化。因?yàn)樵趯?shí)驗(yàn)中休息態(tài)之前無(wú)動(dòng)作。其他5類(lèi)動(dòng)作在舍棄點(diǎn)達(dá)到20之后基本無(wú)變化。20個(gè)點(diǎn)對(duì)應(yīng)的時(shí)間約為1.37 s,基本符合現(xiàn)實(shí)運(yùn)動(dòng)情況。當(dāng)舍棄的點(diǎn)數(shù)達(dá)到20時(shí)基本上消除了動(dòng)作切換時(shí)對(duì)識(shí)別率的影響。

        圖9 舍棄點(diǎn)數(shù)和識(shí)別率的關(guān)系

        在舍棄次數(shù)為20時(shí)5名受試者的6類(lèi)動(dòng)作的識(shí)別率如圖10??梢钥闯?,當(dāng)舍棄次數(shù)為20次時(shí)6類(lèi)動(dòng)的識(shí)別率均達(dá)到了90 %以上。

        圖10 舍棄20點(diǎn)后6類(lèi)動(dòng)作識(shí)別率

        4.4 機(jī)械臂控制效果

        機(jī)械臂運(yùn)動(dòng)的控制實(shí)驗(yàn)如圖11所示。電極片的貼放位置如前面所述,經(jīng)過(guò)51 s 6類(lèi)動(dòng)作的訓(xùn)練后,控制者可以通過(guò)自身的運(yùn)動(dòng)控制機(jī)械臂的運(yùn)動(dòng)??刂普叩那狻⑸熘?、內(nèi)翻手腕、外翻手腕、握拳、休息態(tài)分別對(duì)應(yīng)機(jī)械臂的屈肘、伸肘、外旋手腕、展拳、握拳、靜止。與驗(yàn)證識(shí)別率時(shí)不同,此時(shí)控制者可以根據(jù)自己的意愿隨意切換動(dòng)作。

        圖11 實(shí)時(shí)控制

        觀察發(fā)現(xiàn),機(jī)械臂可以很好地跟隨手臂的運(yùn)動(dòng)。在控制者切換動(dòng)作時(shí),機(jī)械臂的誤動(dòng)作不明顯。

        5 結(jié) 論

        論述了整套假肢的設(shè)計(jì)方案,包括了假肢的機(jī)械結(jié)構(gòu)方案、電氣系統(tǒng)方案和控制算法方案。實(shí)驗(yàn)驗(yàn)證,發(fā)現(xiàn)通過(guò)快速單次訓(xùn)練分類(lèi)器,6類(lèi)動(dòng)作的穩(wěn)態(tài)識(shí)別率可以達(dá)到90%以上,整個(gè)訓(xùn)練時(shí)間為51 s。通過(guò)在線控制肌電假肢,發(fā)現(xiàn)假肢基本上可以隨著控制者的意圖運(yùn)動(dòng)。但在運(yùn)動(dòng)的過(guò)程中,會(huì)存在錯(cuò)誤識(shí)別結(jié)果,這主要是由于控制者在切換動(dòng)作時(shí),肌電信號(hào)變化需要一段時(shí)間造成的。在控制機(jī)械臂運(yùn)動(dòng)時(shí),這種現(xiàn)象體現(xiàn)并不明顯,即機(jī)械臂很少出現(xiàn)誤動(dòng)作的情況:1)由于在動(dòng)作切換時(shí),分類(lèi)器的錯(cuò)誤分類(lèi)所占的時(shí)間很短,在短時(shí)間內(nèi)機(jī)械臂的運(yùn)動(dòng)幅度比較??;2)由于在動(dòng)作切換時(shí)分類(lèi)器錯(cuò)誤分類(lèi)的結(jié)果中多是上一次動(dòng)作,在控制機(jī)械臂運(yùn)動(dòng)時(shí)體現(xiàn)出的是動(dòng)作切換時(shí)的延遲,并不會(huì)造成錯(cuò)誤的動(dòng)作。

        目前,假肢系統(tǒng)在正常人身上得到了驗(yàn)證。為了驗(yàn)證該系統(tǒng)能否用在高位截肢者身上,已經(jīng)和復(fù)旦大學(xué)附屬華山醫(yī)院手外科合作,外科醫(yī)生已經(jīng)給幾例截肢者做了靶向肌肉神經(jīng)移植手術(shù),相應(yīng)的研究成果將在未來(lái)發(fā)表。

        參考文獻(xiàn):

        [1] Farina D,Jiang N,Rehbaum H,et al.The extraction of neural information from the surface EMG for the control of upper-limb prostheses:Emerging avenues and challenges[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(4):797-809.

        [2] Reaz M B I,Hussain M S,Mohd-Yasin F.Techniques of EMG signal analysis:Detection,processing, classification and applications[J].Biological Procedures Online,2006,8(1):11-35.

        [3] Kelly M F,Parker P A,Scott R N.The application of neural networks to myoelectric signal analysis: A preliminary study[J].IEEE Transactions on Biomedical Engineering,1990,37(3):221-230.

        [4] Jiang N,Englehart K B,Parker P A.Extracting simultaneous and proportional neural control information for multiple-DOF prostheses from the surface electromyographic signal[J].IEEE Transactions on Biomedical Engineering,2009,56(4):1070-1080.

        [5] Liu H,Yang D,Jiang L,et al.Development of a multi-DOF prosthetic hand with intrinsic actuation,intuitive control and sensory feedback[J].Industrial Robot:An International Journal,2014,41(4):381-392.

        [6] 楊大鵬,趙京東,姜 力,等.基于肌電信號(hào)的人手姿態(tài)多模式識(shí)別方法[J].上海交通大學(xué)學(xué)報(bào),2009(7):1071-1075.

        [7] Farina D,Merletti R,Enoka R M.The extraction of neural strategies from the surface EMG: An update[J].Journal of Applied Physiology,2014,117(11):1215-1230.

        [8] Sensinger J W,Lock B A,Kuiken T A.Adaptive pattern recognition of myoelectric signals: Exploration of conceptual framework and practical algorithms[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering,2009,17(3):270-278.

        [9] He J,Zhang D,Sheng X,et al.Effects of long-term myoelectric signals on pattern recognition[C]∥International Conference on Intelligent Robotics and Applications,Springer,Berlin Heidelberg,2013:396-404.

        [10] Jiang N,Dosen S,Müller K R,et al.Myoelectric control of artificial limbs—Is there a need to change focus[J].IEEE Signal Process Mag,2012,29(5):152-150.

        [11] Guo W,Sheng X,Liu J,et al.Towards zero training for myoelectric control based on a wearable wireless sEMG armband[C]∥2015 IEEE International Conference on Advanced Intelligent Mechatronics(AIM),IEEE,2015:196-201.

        [12] Parker P A,Scott R N.Myoelectric control of prostheses[J].Critical Reviews in Biomedical Engineering,1985,13(4):283-310.

        [13] Wright T W,Hagen A D,Wood M B.Prosthetic usage in major upper extremity amputations[J].The Journal of Hand Surgery,1995,20(4):619-622.

        [14] Biddiss E A,Chau T T.Upper limb prosthesis use and abandonment:A survey of the last 25 years[J].Prosthetics and Orthotics International,2007,31(3):236-257.

        [15] Liu J,Sheng X,Zhang D,et al.Reduced daily recalibration of myoelectric prosthesis classifiers based on domain adaptation[J].IEEE Journal of Biomedical and Health Informatics,2016,20(1):166-176.

        [16] Kuiken T A,Miller L A,Lipschutz R D,et al.Targeted reinnervation for enhanced prosthetic arm function in a woman with a proximal amputation:A case study[J].The Lancet,2007,369(9559):371-380.

        [17] Fang Y,Zhu X,Liu H.Development of a surface EMG acquisition system with novel electrodes configuration and signal representation[C]∥International Conference on Intelligent Robotics and Applications,Springer,Berlin Heidelberg,2013:405-414.

        [18] Chen X,Zhang D,Zhu X.Application of a self-enhancing classification method to electromyography pattern recognition for multifunctional prosthesis control[J].Journal of Neuroengineering and Rehabilitation,2013,10(1):1.

        [19] Englehart K,Hudgins B.A robust,real-time control scheme for multifunction myoelectric control[J].IEEE Transactions on Biomedical Engineering,2003,50(7):848-854.

        [20] Englehart K,Hudgins B,Parker P A,et al.Classification of the myoelectric signal using time-frequency based representations[J].Medical Engineering & Physics,1999,21(6):431-438.

        [21] Phinyomark A,Phukpattaranont P,Limsakul C.Feature reduction and selection for EMG signal classification[J].Expert Systems with Applications,2012,39(8):7420-7431.

        [22] Zhou P,Lowery M M,Englehart K B,et al.Decoding a new neural-machine interface for control of artificial limbs[J].Journal of Neurophysiology,2007,98(5):2974-2982.

        猜你喜歡
        動(dòng)作
        動(dòng)作不可少(下)
        動(dòng)作不能少(上)
        巧借動(dòng)作寫(xiě)友愛(ài)
        下一個(gè)動(dòng)作
        動(dòng)作描寫(xiě)要具體
        畫(huà)動(dòng)作
        讓動(dòng)作“活”起來(lái)
        動(dòng)作描寫(xiě)不可少
        非同一般的吃飯動(dòng)作
        神奇的手
        少妇被日到高潮的视频| 97日日碰人人模人人澡| 国产丝袜视频一区二区三区| 人妻少妇不满足中文字幕| 久久免费国产精品| 久久久久无码精品国| 国产福利一区二区三区在线观看| 在线观看国产视频午夜| 国产精品成人免费视频一区| 天天干成人网| 精品国产品欧美日产在线 | 久久国产av在线观看| 曰日本一级二级三级人人| 久久国产成人精品av| 五月综合缴情婷婷六月| 在线视频 亚洲精品| 亚洲一区二区三区厕所偷拍| 无码专区人妻系列日韩精品| 精品麻豆国产色欲色欲色欲www| 亚洲福利视频一区 | 亚洲中文字幕在线综合| 日日碰狠狠添天天爽| 男女扒开双腿猛进入免费看污| 午夜免费福利一区二区无码AV| 国产网友自拍视频在线观看| 亚洲av福利院在线观看| 日本大尺度吃奶呻吟视频| 黄色网址国产| 69久久精品亚洲一区二区| 久久99精品久久久久久琪琪| 亚洲av无码专区国产乱码不卡| 国产在线观看黄| 色视频日本一区二区三区 | 免费无码中文字幕a级毛片| 亚洲国产18成人中文字幕久久久久无码av | 亚洲综合一区二区三区四区五区 | 亚洲福利网站在线一区不卡 | 免费人成网站在线观看| 人妻丝袜中文无码av影音先锋专区| 无码人妻久久一区二区三区不卡| 97伦伦午夜电影理伦片|