表面肌电信息融合与动作分类

• 作者: 王志中 谢洪波 黄海
• 来源期刊: 数据采集与处理
• 学科: 医学
• 关键词: 信息融合 肌电信号 证据累积 模式分类 假肢控制
• 年，卷（期）: 2005,（4）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 390-393
• 页数: 4页
• 分类号: R318.04
• 字数: 3178字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2005.04.005

摘要

提出基于多个特征域信息融合的方法,进一步去除不确定性、提高表面肌电分类准确率.选择的表面肌电特征参数分别为时域绝对值积分、AR模型系数和线性倒谱系数.待辨识的6类手部动作肌电信号经各特征域变换,提取特征矢量后由BP神经网络分类,根据D-S证据理论对各分类器分类结果进行证据累积,并得到最终分类结果.实验结果表明,动作分类准确率高于传统的单特征集单分类器的分类方法,且训练、分类效率高于结构化神经网络特征融合方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志中	上海交通大学生物医学工程系	73	1042	18.0	29.0
2	谢洪波	上海交通大学生物医学工程系	7	123	6.0	7.0
3	黄海	上海交通大学生物医学工程系	22	215	9.0	14.0