基于支持向量機(jī)的表面肌電信號(hào)模式識(shí)別方法研究.pdf

1、表面肌電信號(hào)(surface electromyographic signal, sEMG)是人體自主運(yùn)動(dòng)時(shí)神經(jīng)肌肉活動(dòng)發(fā)放的生物電信號(hào),它反映了神經(jīng)、肌肉的功能狀態(tài)。表面肌電信號(hào)不僅在臨床醫(yī)學(xué)、運(yùn)動(dòng)醫(yī)學(xué)等領(lǐng)域被廣泛應(yīng)用,而且成為多自由度人工假肢和功能性神經(jīng)電刺激的理想控制信號(hào)。國(guó)內(nèi)有很多研究專注于對(duì)表面肌電信號(hào)進(jìn)行模式識(shí)別,從而區(qū)分肢體不同的運(yùn)動(dòng)模式,實(shí)現(xiàn)多自由度假肢的控制。隨著信號(hào)處理方法和計(jì)算機(jī)技術(shù)的發(fā)展,如何從sEMG信號(hào)中提取

2、有效的信息并實(shí)現(xiàn)準(zhǔn)確的動(dòng)作識(shí)別,成為肌電控制假肢實(shí)用化進(jìn)程中的重要問(wèn)題。本論文研究的主要內(nèi)容包括以下幾個(gè)方面：表面肌電信號(hào)的特征提取、支持向量機(jī)(Support Vector Machines, SVM)的多類別分類方法研究、支持向量機(jī)在多類sEMG模式識(shí)別中的應(yīng)用。(1)本文采用小波變換的方法對(duì)表面肌電信號(hào)進(jìn)行了小波分析,并選用symlets小波函數(shù)對(duì)表面肌電信號(hào)進(jìn)行多尺度分解,然后提取小波系數(shù)的奇異值構(gòu)建特征矢量進(jìn)行模式識(shí)別。(2)