公共文化服务平台

章悦: 作品数：11 被引量：19H指数：3; 供职机构：华东理工大学机械与动力工程学院更多>>; 发文基金：上海市浦江人才计划项目国家自然科学基金更多>>; 相关领域：自动化与计算机技术医药卫生电子电信更多>>

合作作者

肌音信号的采样率与截止频率对识别率影响研究被引量：1: 2022年; 随着肌音信号(MMG)的发展和模式识别技术的进步,基于肌音信号的人机交互技术成为可能。在信号的采集中,希望使用较低的采样率降低采集成本和减少处理时间,并使用高通滤波器减少运动伪影,但两者对识别率结果的影响有待展开研究。通过采集7名受试者手部8个动作的肌音信号,使用指数加权法分割信号段后,提取4个常见的时域特征,通过机器学习算法建立分类器。分别对原始信号重采样以改变采样率并对信号使用不同的截止频率,创新性地提出了研究肌音信号的采样率与高通截止频率对识别率影响的方法。与1000 Hz的采样率相比,500 Hz采样率的识别精度下降不到1%,300 Hz采样率的识别精度下降不到2%;与高通截止频率相比,2 Hz与5 Hz的截止频率可以保留更多的信息频段,得到更高的识别率。结果表明适当降低采样率和高通截止频率可以有效地平衡识别精度和成本。; 姚佳旭夏春明章含阳章悦章悦; 关键词：识别率采样率截止频率手部动作

面向手语识别的肌音信号无线采集系统设计被引量：3: 2019年; 为了实现对手语动作的模式识别,设计一套基于多通道肌音信号的无线采集系统.系统硬件部分采用STM32单片机以SPI通信方式收集ADXL355采集到的肌音信号,通过WiFi模块将数据传输到电脑;系统软件部分设计STM32内部程序实现对数据的采集及Matlab图形用户界面上位机采用TCP/IP通信方式收集数据实现对数据的存储.设计实验采集18组常用手语动作,提取动作小波包能量特征,运用支持向量机分类的识别率达92.3%.结果表明,该系统具有可穿戴、便携式等优点,可应用于手语识别相关领域.; 封万俊夏春明章悦蒋文都刘爽余静; 关键词：手语识别数据采集图形用户界面

基于肌音信号短时傅里叶变换的桡侧腕屈肌疲劳程度研究被引量：2: 2017年; 肌肉疲劳是由运动引起的肌肉最大随意收缩力减小的现象,其研究可应用于生理医学的职业病预防或体育工程的运动员训练等方面。本文采用短时傅里叶变换对肌音信号进行处理,提取频域特征平均功率频率(Mean Power Frequency,MPF)和中值频率(Median Frequency,MDF),研究其与肌肉疲劳程度之间的关系。9名健康的男性志愿者参与了本次试验,采用等值于60%最大随意收缩力(MVC)的力产生恒力肌肉疲劳,同步记录每一位受试者桡侧腕屈肌的肌音信号,对提取的频域参数进行分析。将持续30s的肌肉疲劳过程分为6个时间阶段(每个阶段为5s),并对每个时间阶段内的MPF和MDF计算均值。结果表明,随着肌肉疲劳程度加深,肌音信号的MPF和MDF在每个时间阶段内的均值均呈现近似线性下降的趋势。在30s肌肉疲劳过程中,从第1阶段(1~5s)到第6阶段(26~30s),MPF均值下降了15.8%,MDF均值下降了26.1%。基于短时傅里叶变换提取的MPF和MDF指标能良好地反映疲劳敏感性和稳定性,在评定肌肉静态疲劳方面是较好的参考指标。本文采用的方法和得到的结果为后期更深入地使用肌音信号对肌肉疲劳程度进行量化研究提供了依据。; 章悦夏春明钟豪顾晓琳; 关键词：短时傅里叶变换

基于肌音信号的握力运动时桡侧腕屈肌动态疲劳分析: 2018年; 采集了10名受试者在做手部握力动作时桡侧腕屈肌的肌音信号,通过对信号进行滤波、动作分割和特征提取来分析肌肉动态疲劳程度与肌音信号特征值的关系。在信号滤波中,采用了小波包(WP)分解重构和经验模态分解(EMD)两种方法。在动作信号的分割中,提出了基于移动窗内信号方差阈值的自适应不等长分割算法。在特征提取时,提出了利用包含多个动作信号的移动窗对分割好的信号进行再重构,并选用平均功率频率(MPF)和中值频率(MDF)作为窗内信号提取的特征,再分别利用指数函数、二次函数和线性函数对特征值进行拟合。结果表明:去噪方法选用小波包分解重构、特征值选用MPF值、拟合方式选用指数函数进行逼近的分析方法,可以更好地反映肌肉疲劳的变化趋势。; 钟豪吴清夏春明章悦顾晓琳张胜利; 关键词：小波包分解

肌音信号典型时域、频域特征与肌力关系研究被引量：2: 2019年; 目的:研究肌肉等长收缩时肌音信号(MMG)的时域、频域特征与肌力之间的关系,建立MMG时域、频域特征与肌力之间的关系模型。方法:以10名健康男性的肱三头肌为研究对象,采集其等长收缩时的MMG。试验要求受试者以随机顺序完成一组按最大自主收缩力(MVC)的10%递增的肌力输出(10%~100%MVC),同步采集受试者肱三头肌的MMG。提取积分肌音值(IMMG)以及频谱均方根值(FSrms)分别作为MMG的时域和频域特征,通过方差分析比较不同肌力间和同一肌力下特征变化的显著性。分别使用线性、二次多项式以及指数等三种参数化回归模型对IMMG、FSrms与肌力之间的关系进行拟合并计算拟合优度,最后采用成对数据t检验对拟合优度进行单变量分析,比较3种模型的拟合效果。结果:不同肌力间的特征相对同一肌力下的特征变化显著(P<0.05);指数模型在10名受试者的两种MMG特征与肌力的拟合中均表现出了一定优势,拟合优度平均值分别为IMMG 0.836±0.167、FSrms0.829±0.132。假设t检验结果表明,对于IMMG与肌力之间的关系,指数拟合优于线性拟合(P<0.05),但不优于二次多项式拟合;对于FSrms与肌力之间的关系,指数拟合优于二次多项式拟合和线性拟合(P<0.05)。结论:在IMMG、FSrms与肌力之间的拟合关系中,指数拟合均表现较高的拟合优度,因此,IMMG、FSrms与肌力之间更符合指数关系。; 谢佳智夏春明章悦杨珂余静

康复工程领域中肌音信号的研究进展: 2022年; 生物医学信号处理与分析技术是现代医学诊断和治疗中的重要技术之一,目前已得到广泛应用并不断取得进步。肌音信号(mechanomyography,MMG)作为一种生物医学信号,记录并量化了活动的骨骼肌纤维的低频侧向振动,以其自身的特点逐步受到国内外一些研究机构的关注,并用于康复工程(rehabilitation engineering)领域。康复工程是用工程的方法和技术为具有功能缺陷或残疾的患者恢复、重建或代偿某些功能,实现最大限度的生活自理、劳动和工作等能力。; 章悦夏春明曹港生吴清吴清赵彤彤; 关键词：康复工程骨骼肌纤维侧向振动

一种新型7自由度上肢康复外骨骼机器人的结构设计和运动学仿真被引量：3: 2022年; 针对现有的康复机器人在上肢重度偏瘫患者被动康复训练中存在的问题,提出了一种新型的7自由度上肢外骨骼机器人;设计了一种新型手部固定装置代替传统外骨骼的握把,可更好地实现重度偏瘫患者的腕部训练。根据外骨骼模型,使用Matlab建立了Denavit-Hartenberg(D-H)坐标系,对其工作空间进行仿真,验证了其工作空间满足设计要求,并使用Adams对外骨骼进行了动力学仿真。针对仿真中缺少患肢而导致仿真结果不符合实际的问题,采用了将患者大臂和前臂的质量添加到外骨骼大臂和前臂的质心处的新型设计方案,对该方案建立的模型进行负载特性分析,验证了机器人驱动选取的合理性。为实物样机的开发提供了理论基础。; 赵彤彤章悦曹港生夏春明; 关键词：康复训练外骨骼机器人动力学仿真

特征与分类算法在基于肌音信号的头部运动分类中的对比研究被引量：4: 2020年; 提取颈部肌肉的肌音(Mechanomyography,MMG)信号时域、时⁃频域和非线性动力学的15个常见特征,按照其性质分为5个特征集,并选择其中一部分构建高维特征矢量后进行主成分分析(Principal component analysis,PCA)降维处理,应用于头部动作的模式识别研究中。分别采用支持向量机(Support vector machine,SVM)、K近邻(K⁃nearest neighbor,KNN)和线性判别分析(Linear discriminant analysis,LDA)3种分类器,对6种头部动作(低头、抬头、左摆头、右摆头、左转头和右转头)的MMG信号进行分类。实验结果表明,选用时域、时⁃频域和非线性动力学特征组合的方式,以及使用SVM作为分类器,可使各类动作的分类精度均达到80%以上,从而获得相对较高的准确率。; 章悦夏春明谢佳智刘爽; 关键词：支持向量机模式识别

经颅磁刺激下肌音与肌电特征对比及其系统辨识研究被引量：1: 2021年; 目的验证经颅磁刺激下靶向肌肉之肌音信号用于检测运动诱发电位的可行性,并对其进行系统辨识。方法 5名健康受试者参加测试实验,同步记录经颅磁刺激下受试者右侧拇短展肌的肌音与肌电信号,提取持续时间、幅值、峰峰值、区域、厚度以及潜伏期6种特征做对比分析;用传递函数和状态空间法辨识经颅磁刺激-肌音信号系统。结果肌音和肌电信号皆显示相似特征变化,并且在幅值、峰峰值和潜伏期这3个特征的变化上,肌音信号较肌电信号呈现线性变化,辨识经颅磁刺激-肌音信号系统存在4阶模型,且使用传递函数法和状态空间法辨识率均可达80%。结论经颅磁刺激下靶向肌肉的肌音信号可客观反映运动诱发电位特征、体现肌肉收缩情况,能用于医学检查运动神经信息从皮质到肌肉的传递、传导通路的整体同步性和完整性。; 章含阳钟燕彪章悦夏春明单春雷; 关键词：经颅磁刺激肌电系统辨识

基于肌音信号分形维数的上斜方肌静态疲劳研究被引量：4: 2019年; 目的利用采集的上斜方肌的肌音信号,研究肌音信号的非线性特征分形维数(fractal dimension,FD)趋势与肌肉疲劳的对应关系。方法在恒力做耸肩静态动作时,提取上斜方肌的肌音信号,采用一种自适应噪声的完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法去噪,选用平均功率频率(mean power frequency,MPF)和中值频率(median frequency MDF),提取肌音信号的特征值,并用非线性特征分形维数来表征疲劳程度。结果 CEEMDAN算法去噪效果明显,肌音信号的分形维数随肌肉疲劳程度的加深呈现近似线性下降的趋势,在肌肉疲劳评估中与MPF、MDF效果相似。结论肌音信号的分形维数特征可评估肌肉疲劳程度。; 蒋文都夏春明章悦封万俊; 关键词：分形维数

章悦

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

章悦

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈