使用delsys trigno实现肌电信号的在线采集/显示以及根据matlab的BP神经网络模型实现手势识别

主要针对matlab的平均频率和平均功率频率，也可以进行对EMG信号数据进行计算

matlab肌电信号处理代码基于Delsys的sEMG信号处理和肌肉性能评估 表面肌电信号（sEMG）是骨骼肌产生的电活动，用于预测肌肉状况，而肌肉收缩和肌肉疲劳可以由sEMG信号决定。 在这个项目中，我使用了sEMG信号的高性能设备，它可以检测sEMG信号，收集sEMG信号来评估肌肉性能，例如运动过程中的肌肉力量和肌肉疲劳。 实时sEMG数据收集 Delsys提供了示例代码以将数据传输到Matlab。 我主要通过自动删除没有数据流的通道而不是同时打开16个通道来解决传输速度慢的问题，并修改了显示模式以方便以后的研究。 信号处理 原始sEMG信号微弱，不稳定且随机。 根据以前的研究，我采用了10-500Hz带通滤波器和50Hz陷波滤波器。 此外，我分析了原始信号的频谱，发现了100Hz噪声干扰，并采用了递归最小二乘自适应滤波器消除了100Hz噪声，这比Matlab工具箱设计的滤波器表现出更好的性能。 特征提取 这只是基于sEMG信号数据的均方根和平均功率频率的变化来估计肌肉力量并检测肌肉疲劳的启发式计划。