基于深度学习的肌电信号预测的研究

张志坚

摘要：肌电图分析是解释人体运动意图的有效手段。一些研究已经成功地利用肌电信号识别固定姿势，并将其应用于假肢的操作。本文计划研究进一步辨识肌电的连续动态运动，以建构能接受更精细运动指令，使截肢者也可以像普通人一样使用假体来进行平滑的运动。本研究的目的是在前臂连续运动的执行过程中，找出肌电信号与手臂运动的关系，并利用肌电信号实时预测使用者预期的前臂运动。本文提出了一种动态递归神经网络的非线性自回归外生输入模型和矢量量化时间联想记忆学习算法，并在3个实验对象和两个自由度动态运动的基础上进行了实验。实验结果表明，该方法能够利用肌电信号在一系列连续运动中立即估计出前臂的位置，可用于精密假肢的控制。

关键词：肌电;预测;神经网络;自由度

中图分类号：TP391 文献标识码：A 文章编号：1001-5922（2021）02-0134-04

近年来，随着测量设备和方法的快速发展，电机、信息、生物、医学等领域的学者开始有能力将人体复杂的工作模式研究成分析和仿生仿真。该领域最热门、最困难的研究课题是与神经系统相关的信息研究。作为支配身体的控制和感觉交流，神经系统的作用可以简化为3个阶段：感觉受体接受刺激、大脑进行性解释和命运、效应器运动。在这3个阶段中，生物负责通过电传递信息。目前的研究大多集中在对这些电生理信号的采集和应用上：例如，通过分析感觉感受器产生的电生理刺激，通过接收眼、耳等外部信号，并将其转换成正确的电生理信号进行刺激神经系统的仿生器官;通过分析感觉受体产生的电生理刺激。……