基于支持向量機的表面肌電信號手部動作識別.pdf

1、表面肌電信號(surface electromyography, sEMG)是在人體發(fā)生動作時由骨骼肌產(chǎn)生，并通過肌電信號采集儀器在人體表面測取到的生物電信號，具有提取方便、準確、無創(chuàng)傷的特點，已應用于康復醫(yī)學、智能機器人等領域。然而表面肌電信號在仿生假手識別的領域仍不夠成熟，因此距廣泛應用還有一段距離。
　　本文以更加快速靈敏的控制仿生假手為目的，運用經(jīng)優(yōu)化的支持向量機對手部動作下的表面肌電信號進行模式識別。主要內容包括：信號采

2、集、預處理、手部動作識別。
　　文中首先分析了仿生假手和表面肌電信號手部動作識別在國內外的研究現(xiàn)狀。并對表面肌電信號的生理特性進行了詳細的分析，確定了手部動作時手臂上貢獻最大的四塊肌肉肌群為采集信號時的最優(yōu)位置，并在對手部動作系統(tǒng)規(guī)劃后，通過貼片電極與肌電信號采集儀器完成手部常見動作的表面肌電信號提取。
　　在預處理方面，通過小波函數(shù)對采集到的信號進行去噪得到更加清晰的分析波形。并基于時域分析法、頻域分析法、以及時頻域分析法

3、對去噪后的信號進行特征提取，將提取到的數(shù)據(jù)進行比較，選取通過降維后小波包函數(shù)下的方差和能量特征作為特征向量。
　　在模式識別方面，首先選取了兩種識別分類器：標準支持向量機，最小二乘支持向量機，將所得特征向量輸入到該分類器中，經(jīng)過分析處理后對表面肌電信號手部動作進行識別。隨后通過對比實驗，在分析了加入?yún)?shù)尋優(yōu)的分類器的識別正確率和訓練時間后，最終得出基于粒子群參數(shù)尋優(yōu)下的最小二乘支持向量機模式識別在本文的四種手部動作識別過程中，具有