【基于肌肉信号的人体运动研究国内外文献综述3400字】

11.1肌肉信号研究现状上就是解码、感知人神经中枢(大脑皮层、脊髓等)中的意图信息。对于人体运2在目前的研究中，表面肌电信号(如图1-1)由于其蕴含了丰富的生物电信信号在人体运动估计上取得了进展。ChuJU等人使用4通道的sEMG信号利用LDA分类算法对9中手部动作进行分类，平均分类精度达到97.4%1]。MIT的技术用于手臂假肢控制等方向。文章中，提出了一种基于EIT的手势识别方法，共19种收手势3。研究者将EIT手环置于被试前臂，利用神经网络学习，实时预测被试的运动意图从而控制假肢动作，所有手势识别准确率为60%,如果将手势分组识别则可以达到98%的识别率。尽管如此，目前，关于EIT的研究主要方向还是在医学领域。本团队EnhaoZheng错误!未找到引用源。等已将EIT技术用于控制机3器人，实时估计连续的抓握力，EIT图像能够反映肌肉活动信息，与人体相应关节活动高度相关。本研究将EIT信号与肌肉骨骼模型相结合，研究连续地估计腕关节屈曲角度，设计实验获取数据，然后通过交叉验证检验该方法的可行性，将在第三章中进进行详细叙述。已经设计了用于测量人体表面肌肉形变信号的电容传感器，并将其应用到假肢控制中。我们通过提取电容信号的特征来识别下肢运动结果，已经可以设计的模式识别方法将下肢运动模式进行分类，产生了不弱于sEMG的结果。然而，虽然这些方法能产生准确的识别精度，但其性能在很大程度上仍取决于信号特征和训练数据集。电容传感器信号的生物学意义尚不清楚。肌肉参数和电容信号之间的关系从来没有被处理。本课题也将据此进行探索，引入肌肉形态学参数，研究电容信号与肌肉形态学参数的相关性，具体内容将在第四章中进行讲述。1.2人体运动模型研究现状人机交互领域中人体运动意图识别最终目的就是将人机接口采集到的肌肉信号映射到相应的人体运动。主要方法有两种，一种是基于数据的方法，另一种是基于模型的方法。基于数据的方法是纯粹使用数据进行拟合的方法。而所谓的模型就是根据人体肌肉骨骼结构等生理特征构建的物理模型。对于基于数据的方法，这种方法主要采用如人工神经网络(artificialneuralnetworks,ANN)等机器学习方法来构建肌肉信号与相应人体运动之间的映射函数。目前，ANN等方法已经成功地用于近似人类运动的各种函数关系。T.Bao4非参数高斯过程回归因子对复杂手指运动学进行了估计5。这些研究都取得了很基于模型的方法通过整合潜在的神经肌肉骨骼功能过程来建立神经信号和人体运动意图之间的功能。可以通过输出变量以一种封闭循环的方式来细化参等人发表的“DynamicsofHumanGait”[6。该作通过生物力学和生理学的基础知之间的关系，并结合肌电图与关节运动之间的相关性。除此之外，C.N.MAGANARIS等人的工作中将利用超声信号分析了小腿的羽状角和比目鱼肌在关系7。在上肢的研究中，1970年，Miller等人将人体骨骼系统等效为相互铰接型，实现了相应动作的动力学分析8。5feature-projection-basedreal-timeEMGpatternrecognitionformultifunctionmyoelectrichandcontrol[J].IEEE/ASMETransactionsonMechatronics,2007,[2]J.DelPreto,D.Rus.SharingtheLoad:Human-RobotTeamLiftingUsing(ICRA),Montreal,QC,Canada,2019,pp.7906-7912.[3]Y.Wu,D.Jiang,X.Liu,R.Bayfordandpp.1322-1333,Dec.2018,doi:10.1109/TBCAS.2018.2878395.[4]T.Bao,A.Zaidi,S.XieandZ.Zhang.Sukinematicsestimationusingconvo(BSN),2019:1-4.[5]JGNgeo,TTamei.ContinuousandsimultaneousfromanEMG-to-fNeuroengineering&Rehabilitation,2014,11(1):122.[6]VaughanCL,DavisBL,JCOíconnor.Dynamicsofhumangait[humankineticspublishers,1999:15-43.[7]C.N.Maganaris.Forceth-lengthcharacteristicsmuscle[J].ActaPhysiologicaScandinavica,2001,Vol.172(4[8]MillerDI.Acomputersimulationmodeldiving[M].UniversityMicrofilms,1970.[9]Lee,Dongwoon.ComputationalModelingandAnalysisoMuscleArchitecture[D].Toronto:UniversityofToronto,2015:5-8.[10]汪灵梦.实时定量检测骨骼肌动态变化的超声图像处理算法研究及[11]CroninNeilJ,CartyChristoAutomatictrackingofmedialgastrolocomotion[J].Journalofappliedphysiology,2011,111(5).6[12]郑恩昊.基于电容传感的人体运动意图识别及在穿戴式机器人中的[13]M.Fernndez-Delgado,M.S.Sirsat,E.Cernadas,et,al.Anextensiveexperimentalsurveyofregressionmethods[J].NeuralNetworks,2019,111:11-34.phaseforwearablerobotics[J].AutonomousRobots,2017,41(3):759-774.[15]R.Ronsse,S.M.M.DeRossi,N.Vitiello,etal.Real-TimeEstimateofVelocityandAccelerationofQuasi-PerioIEEETransactionsonRobotics,2013,29,(3):783-791.[16]DarmaPN,BaidillahMTomography[J].IEEESensorsJournal,2020,20(16):9469-9479.[17]ShiJ,ZhengY,XinC,etal.Modelingtherelationshipbeangleandmusclethmuscleleversystem:Acomparisonstudy[J].