基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对表面肌电信号的特点,提出了一种应用非线性主分量分析(PCA)提取表面肌电信号特征的新方法.该方法在表面肌电信号滤波的基础上,采用非线性PCA方法完成数据压缩,将多路表面肌电信号转换为一维的特征数据主元,并以主元曲线的形式输出特征提取结果.本文采用基于自组织神经网络的非线性PCA对手臂尺侧腕伸肌和尺侧腕屈肌的两路表面肌电信号进行主元提取,试验结果表明,四种手部运动模式(握拳、展拳、腕外旋、腕内旋)对应的表面肌电信号利用该方法处理后,得到的主元曲线具有很好的类区分性,依据所得主元曲线的形状特征可以有效地进行手部动作类别的识别.
推荐文章
基于PCA与核LDA的表面肌电信号特征识别
主元分析
核LDA
表面肌电信号
模式识别
降维
基于小波包变换的肌电信号特征提取
小波包变换
特征提取
表面肌电信号
Elman神经网络
基于改进小波包与样本熵的表面肌电信号特征提取
肌电信号
小波
小波包
样本熵
特征提取
基于WPT和LDA的表面肌电信号特征识别方法
小波包
线性判别分析
表面肌电信号
模式识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 非线性PCA在表面肌电信号特征提取中的应用
来源期刊 传感技术学报 学科 工学
关键词 表面肌电信号 非线性主分量分析 自组织神经网络 特征提取
年,卷(期) 2007,(10) 所属期刊栏目 生物化学类传感器
研究方向 页码范围 2164-2168
页数 5页 分类号 TP212.3
字数 3577字 语种 中文
DOI 10.3969/j.issn.1004-1699.2007.10.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 罗志增 杭州电子科技大学智能控制与机器人所 164 2539 28.0 39.0
2 赵鹏飞 杭州电子科技大学智能控制与机器人所 1 18 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (24)
参考文献  (7)
节点文献
引证文献  (18)
同被引文献  (16)
二级引证文献  (73)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(3)
  • 参考文献(1)
  • 二级参考文献(2)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(4)
  • 参考文献(3)
  • 二级参考文献(1)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(5)
  • 引证文献(3)
  • 二级引证文献(2)
2013(8)
  • 引证文献(4)
  • 二级引证文献(4)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(12)
  • 引证文献(2)
  • 二级引证文献(10)
2016(8)
  • 引证文献(1)
  • 二级引证文献(7)
2017(21)
  • 引证文献(2)
  • 二级引证文献(19)
2018(13)
  • 引证文献(1)
  • 二级引证文献(12)
2019(9)
  • 引证文献(1)
  • 二级引证文献(8)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
表面肌电信号
非线性主分量分析
自组织神经网络
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
传感技术学报
月刊
1004-1699
32-1322/TN
大16开
南京市四牌楼2号东南大学
1988
chi
出版文献量(篇)
6772
总下载数(次)
23
总被引数(次)
65542
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导