1. 研究目的与意义（文献综述）

1.1 研究目的及意义

本文针对偏瘫患者单侧肢体运动功能受损的特点，研究基于表面肌电信号的上肢动作定性辨识，用于理解患者运动意图，从而为患者提供自主性的运动控制，实现手写数字0-9的识别。表面肌电信号（surfaceelectromyography，semg）是通过表面肌电电极从人体皮肤表面获取的肌肉活动的电信号，它来自于检测肌肉的神经纤维的电活动。

semg 是一种微弱的信号，峰峰值只有0~10mv，有用信号的频率范围为0~500hz。该信号的获取是进行假肢控制的信号基础，而在获取的过程中会伴随着电子设备的固有噪声，人体内各组织的噪声以及环境噪声，如果不对这些噪声进行严格的处理，semg很容易被淹没在各种噪声之中。消噪是一切工作的前提，即使硬件设备模块已经进行了消噪，我们也要使用软件消噪的方式对噪声进一步去除，因此如何降低获取信号过程中的噪声功率，提高表面肌电信号功率是本文研究的主要内容之一。

2. 研究的基本内容与方案

本文以表面肌电信号作为研究对象，对信号进行采集、消噪、特征提取以及模式识别，设计以semg为基础的模式识别及处理系统，完成手写识别系统的设计与实现, 实现手写数字0-9的简单在线识别。

针对semg的特点，研究semg的消噪方法，提出更加适合于semg的消噪方法，即最优小波包自适应阈值消噪方法，引入自适应阈值，可以对不同分解层次上的semg信号采用自适应阈值，从时域和频域两方面分析均能有效的去除semg信号中的噪声。对semg的特征进行分析，提取最能够反映肌电信号的特征特征矢量，提出小波高频系数最大绝对值的方法，该方法用于特征提取，使得不同的特征值差异明显，相同的动作特征值相同或相近，具有良好的识别特性。通过神经网络的方法，实现对人体动作的识别，本文采用bp神经网络作为分类器并对分类器的判定规则进行改进，同时对隐含神经元个数和训练误差进行优化，最终找出识别效果最好的一组网络参数作为bp神经网络隐含神经元个数和训练误差。最终将semg消噪、特征提取和模式识别三个模块整合，实现手写识别系统的设计。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：了解表面肌电信号的采集与处理方法，完成英文资料的翻译，熟悉开发环境。

第6－9周：研究选取合适的特征提取和分类算法，并在matlab中实现各算法，验证所选算法的可行性。

4. 参考文献（12篇以上）

[1]刘建,邹任玲,张东衡,徐秀林,胡秀枋. 表面肌电信号特征提取方法研究发展趋势[j]. 生物医学工程学进展,2015,(03):164-168.

[2]李会. 上肢表面肌电信号的特征分析方法研究[d].华侨大学,2015.

[3]李晗. 基于表面肌电信号控制的人机交互系统设计[d].北京理工大学,2015.