基于小波包与支持向量机的复杂信号模式识别

• 作者: 刘建民 崔建国 徐心和 李一波 李忠海
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 表面肌电信号 小波包变换 支持向量机 模式识别
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 163-167
• 页数: 5页
• 分类号: TP391
• 字数: 4776字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2008.02.008

摘要

为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量.利用"一对一"的分类策略和二又树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%.实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐心和	东北大学信息科学与工程学院	295	7536	42.0	73.0
2	李一波	沈阳航空工业学院自动化学院	101	885	13.0	25.0
3	崔建国	东北大学信息科学与工程学院	16	174	8.0	13.0
12	李忠海	沈阳航空工业学院自动化学院	51	366	10.0	17.0
13	刘建民	沈阳飞机设计研究所机电系统部	6	79	5.0	6.0