一种克服sEMG人机交互中肌肉疲劳的SVM算法

• 作者: 张毅 祝翔 罗元
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: sEMG人机交互 肌肉疲劳 在线SVM 改进的增量训练算法
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 过程控制技术及应用
• 页码范围: 467-471
• 页数: 5页
• 分类号: TP27
• 字数: 4686字
• 语种: 中文

摘要

在基于表面肌电信号的人机交互系统中,产生的肌肉疲劳降低了系统的稳定性.针对该问题,分析肌肉正常状态和疲劳状态下的肌电信号变化规律,提出一种改进的在线支持向量机增量训练算法.该算法在每次训练SVM(Support Vector Machine)模型时,计算各样本到分类超平面的距离,并以之为条件对不断更新的训练数据进行有条件的选择和遗忘,只留下最大距离1/2以内的数据.通过在线训练不断更新训练样本来获得新的SVM模型,用于适应肌肉疲劳过程中肌电信号的变化,同时防止多次在线训练过程中更新的样本改变训练集间初始边界.最后在智能轮椅上进行验证,实验结果表明:该算法有效减少了肌肉疲劳在人机交互系统中的影响,使得系统能够保持长时间稳定操作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗元	重庆邮电大学国家信息无障碍工程研发中心中欧智能系统及机器人研究所	192	1681	17.0	31.0
2	张毅	重庆邮电大学国家信息无障碍工程研发中心中欧智能系统及机器人研究所	281	2390	21.0	36.0
3	祝翔	重庆邮电大学国家信息无障碍工程研发中心中欧智能系统及机器人研究所	1	6	1.0	1.0