【導(dǎo)讀】作時(shí)，它才能工作。采集肌電表面信號成為智能假肢的理想控制信號，從而其大腿的。預(yù)測下肢各關(guān)節(jié)的角度值實(shí)現(xiàn)假肢自主控制成為首選。本課題利用BP神經(jīng)網(wǎng)絡(luò)和RBF. 仿真結(jié)果表明，兩種神經(jīng)網(wǎng)絡(luò)都是可行的，RBF神經(jīng)網(wǎng)絡(luò)避免了反向傳播網(wǎng)絡(luò)。中繁瑣的計(jì)算，提高了學(xué)習(xí)速度，而且克服了BP網(wǎng)絡(luò)梯度下降算法中的局部極小問題。

　　

【正文】 437 [4] 于擎 . 基于手勢動(dòng)作肌電信號的虛擬鼠標(biāo)控制 . 中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫 ,2020 [5] Luh JJ, Cheng CK, Lai JS, Kuo TS ,Chang GC . Isokiic elbow joint torques estimation from surface EMG and joint kinematic data: using an artificial neural work model. Journal of electromyography and kinesiology,1999,3(9) [6] 飛思科技產(chǎn)品研發(fā)中心 . 神經(jīng)網(wǎng)絡(luò)理論與 MATLAB7 實(shí)現(xiàn) [M] . 北京 :電子工業(yè)出版社 , 2020 : 99100. [7] 廖曉峰 ,李 傳東 .神經(jīng)網(wǎng)絡(luò)研究的發(fā)展趨勢 .神經(jīng)網(wǎng)絡(luò)國際會(huì)議， 2020， 5 [8] 杜春梅 , 田豐 , 崔建國 . 用小波和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法識(shí)別人體表面肌電信號 . 沈陽航空工業(yè)學(xué)院學(xué) 報(bào) ,2020,22(3):2829 [9] 蔣明峰 ,王洪 . 基于小波分析與神經(jīng)網(wǎng)絡(luò)相結(jié)合的表面肌電信號識(shí)別的研究 [J]. 生物醫(yī)學(xué)工程研究 , 2020,24(1):5052 [10] 呂廣明 , 薛 淵 , 易建虎 . 基于神經(jīng)網(wǎng)絡(luò)的多通道肌電信號的識(shí)別技術(shù) . 中國儀器儀表與測控技術(shù)交流大會(huì)論文集（二 ） ,2020 [11] 程波，劉光遠(yuǎn)．基于小波變換與神經(jīng)網(wǎng)絡(luò)的表面肌電信號的情感識(shí)別．計(jì)算機(jī)應(yīng)用， 2020,28(2):333335 [12] R. E. Bekka, S. Boudaoud, D. Chikouche. The use of a neural work system in the identification of motor unit characteristics from surface detected action potentials: a simulation study. Journal of Neuroscience Meth [13] 董長虹 .神將網(wǎng)絡(luò)應(yīng)用 .北京：國防工業(yè)出版社， 2020,1 [14] 王鑒良 ,鄔武凱 ,潘笑芳 .神經(jīng)網(wǎng)絡(luò)技術(shù)在電信服務(wù)領(lǐng)域的應(yīng)用 .中國高新技術(shù)企業(yè)， 2020， 8 [15] Prentice SD,Patla AE,Stacey neural work model for the generation of muscle activation patterns for human lootion[J].J Electromyog Kinesiol,2020,11(1):19 30 21 [16] D. Matheson Rittenhouse, Hussein A. Abdullah, R. John Runciman, Otman Basir. A neural work model for reconstructing EMG signals from eight shoulder muscles: Consequences for rehabilitation robotics and biofeedback. Journal of Biomechanics,2020 39(10) :19241932 [17] 張晗 ,徐銘蔚 ,敖晨 ,楊欣 ,朱辰豐 .基于 BP 神經(jīng) 網(wǎng)絡(luò)的電子商務(wù)交易信用風(fēng)險(xiǎn)建模研究 .北京交通大學(xué)交通運(yùn)輸學(xué)院管理信息工程系 ,中國科技論文 [18] 師華定 ,高慶先 ,莊大方 ,胡云峰 .基于徑向基神經(jīng)網(wǎng)絡(luò)的內(nèi)蒙古土壤風(fēng)蝕危險(xiǎn)度評價(jià) .環(huán)境科學(xué)研究 ,2020,21（ 5）： 129133 [19] 黨開放，楊利彪，林延圻 .一種新型的廣義ＲＢＦ神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練方法 .計(jì)算技術(shù)與自動(dòng)化 ,2020,1 [20] 雷敏 ,王志中 .肌電假肢控制 中的表面肌電信號的研究進(jìn)展與展望 .中國醫(yī)療器械雜志 ,2020,25(3):156160 [21] 姚松麗 ,章亞男 ,張震 ,沈林勇 ,錢晉武 .利用選擇性肌電信號控制踝關(guān)節(jié)神經(jīng)運(yùn)動(dòng)康復(fù)裝置 .上海大學(xué)學(xué)報(bào) (自然科學(xué)版 ),2020,15(3):245250 22 致 謝 本論文得以順利完成，首先要感謝我的指導(dǎo)老師周穎老師。感謝她在畢業(yè)設(shè)計(jì)期間為我提供了良好的學(xué)習(xí)條件，更為重要的是經(jīng)常在百忙之中抽出時(shí)間來指導(dǎo)我的學(xué)習(xí)。尤其是最后在論文書寫期間，給了我很多的建議和幫助。老師在嚴(yán)謹(jǐn)治學(xué)和嚴(yán)格要求方 面給我留下了深刻的印象， 在此向周穎老師表示深切的感謝。 最后，感謝評閱本文并提出批評意見的專家學(xué)者！ 23 附錄 1 function [out1,e]=annbp1(m) warning off clear load(39。C:\Documents and Settings\sj\桌面 \何瑋的論文 \data to predict 39。)。 m=EMG_TRAIN1(1:5000,:)。 mmax=max(m,[],1)。 [a,b]=size(m)。 for i=1:4 m(:,i)=m(:,i)./mmax(i) end n=m39。 out=WING_TRAIN(1:5000)。 c=out39。 cmax=max(c,[],2)。 c=c./cmax。 in=n。 midn=8。 %隱層神經(jīng)元個(gè)數(shù) [w1,b1,w2,b2]=initff(in,midn,39。tansig39。,1,39。purelin39。)。%初始化 df=25。 %顯示頻率 mepoch=6000。%最大訓(xùn)練步數(shù) egoal=。%誤差目標(biāo) lr=。%學(xué)習(xí)率 tp=[df mepoch egoal lr]。 [w1,b1,w2,b2,epochs,tr]=trainlm(w1,b1,39。tansig39。,w2,b2,39。purelin39。,in,c,tp)。%訓(xùn)練網(wǎng)絡(luò) m1=EMG_TEST1(1:3800,:)。 24 mmax1=max(m1,[],1)。 [a,b]=size(m1)。 for i=1:4 m1(:,i)=m1(:,i)./mmax1(i) end n1=m139。 out1=WING_TEST(1:3800)。 c1=out139。 c1max=max(c1,[],2)。 in1=n1。 out2=simuff(in1,w1,b1,39。tansig39。,w2,b2,39。purelin39。)。%求網(wǎng)絡(luò)輸出，仿真 out2=out2.*c1max。 e=(c1out2)./c1。 figure plot(c1,39。ok39。) hold on plot(out2,39。:r.39。) figure plot(e,39。:39。) 25 附錄 2 load(39。C:\Documents and Settings\sj\桌面 \何瑋的論文 \data to predict 39。)。 shuru3=EMG_TRAIN1(1:5000,:)。 shuru2=max(shuru3)。 shuru(:,1)=shuru3(:,1)/shuru2(:,1)。 shuru(:,2)=shuru3(:,2)/shuru2(:,2)。 shuru(:,3)=shuru3(:,3)/shuru2(:,3)。 shuru(:,4)=shuru3(:,4)/shuru2(:,4)。 shuchu=WING_TRAIN(1:5000,:)39。 shuchu1=max(shuchu)。 shuchu=shuchu/shuchu1。 tshuru3=EMG_TEST1(1:3800,:)。 tshuru2=max(tshuru3)。 tshuru(:,1)=tshuru3(:,1)/tshuru2(:,1)。 tshuru(:,2)=tshuru3(:,2)/tshuru2(:,2)。 tshuru(:,3)=tshuru3(:,3)/tshuru2(:,3)。 tshuru(:,4)=tshuru3(:,4)/tshuru2(:,4)。 tshuchu=WING_TEST(1:3800,:)39。 tshuchu1=max(shuchu)。 =newrb(shuru39。,shuchu,0,20,25)。 y1=sim(,tshuru39。)。 y1=y1*tshuchu1。 e=(tshuchu1y1)./tshuchu1。 figure plot(tshuchu39。,39。39。,39。LineWidth39。,2)。 hold on plot(y1,39。k39。)。 26 figure plot(e,39。:39。)