基于混沌与分形理论的表面肌电信号非线性分析

测控论文编号:CK021    论文字数:19337,页数:55 ,有开题报告，任务书，外文翻译，程序
目    录
 
摘要 Ⅰ
Abstract Ⅱ
第1章  绪论 1
    1.1  概述 1
    1.2  本课题研究的内容及要求 1
第2章  混沌与分形理论及其在生物电信号领域中的应用 3
 2.1  混沌理论及其在生物电信号领域中的应用 3
        2.1.1  混沌理论 3
        2.1.2  混沌的数值分析方法 4
        2.1.3  混沌理论在生物电信号领域中的应用 8
    2.2  分形理论及其在生物电信号领域中的应用 9
        2.2.1  分形理论 9
        2.2.2  分形理论在生物电信号领域中的应用 15
第3章  Matlab语言简介 16
 3.1  Matlab的工具箱 16
 3.2  Matlab数值计算功能简介 18
        3.2.1  矩阵和数组运算 18
        3.2.2  矩阵和数组函数 19
        3.2.3  关系运算和逻辑运算 21
 3.3  Matlab的程序结构 22
        3.3.1  顺序结构 22
        3.3.2  循环结构 22
        3.3.3  分支结构 23
第4章  基于混沌与分形理论的表面肌电信号非线性分析 26
 4.1  实验采集表面肌电信号 26
 4.2  表面肌电信号的混沌特性及其判别 28
        4.2.1  相空间重构 29
        4.2.2  最大李氏指数的计算和混沌特性判别 30
 4.3  表面肌电信号的分形维数特征提取 33
 4.4  多种分类器对分形维数的识别与分析 39
第5章  结论及展望 41

致谢 42
参考文献 43
附录1  求取最大李雅谱诺夫指数的软件程序清单 44
附录2  提取分形维数特征值的软件程序清单 46
附录3  提取的分形维数特征值（160×4） 50

摘    要
   
本文主要采用混沌、分形的理论和方法对实验采集的表面肌电信号进行了分析和处理，通过相空间重构，分析前臂八种动作过程中表面肌电信号的混沌、分形特性。研究表明，肌电信号具有正的李雅谱诺夫指数，表现出一定的混沌特性，通过计算表面肌电信号的分形维数，发现不同动作的肌电信号具有不同的聚类分布，并通过各种分类器对提取的特征值——分形维数进行模式识别，获得了比较好的识别效果，尤其基于支持向量机理论和贝叶斯决策理论的分类器对八种动作的识别率均能达到90%以上。

 关键字  肌电信号   混沌   李雅谱诺夫指数   分形维数    非线性分析

Abatract
 
 The surface EMG signals which are gathered by experiments are analysed and dealt by means of the method of chaos and fractal theory, and the chaos of the surface EMG signals and  the characteristic of fractal in the process of the movement is analyzed by means of reconstructing phase space in this paper. It is researched that, the surface EMG signals have positive Lyapunov exponent, and show certain chaos features. It is found that myoelectric signals of differernt motions have different cluster distributions by calculating the surface EMG signals’fractal dimension, and also can recognise and analyze the distilled characterless value——ftactal dimension by all kinds of classifier, obtaining better identify effect, especially, the identify quotiety to the eight action using the classifier based on Support Vector Machine theory and Bayes Decision theory all can be above 90%.

 Keywords  EMG signals     Chaos     Lyapunov exponent      Ftactal dimension        Nonlinear analysis