基于熵和PSO优化SVM的肌电信号跌倒识别

• 作者: 席旭刚 武昊 罗志增
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 表面肌电信号 小波包分解 排列组合熵 支持向量机 粒子群算法
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 传感器研究
• 页码范围: 1586-1590
• 页数: 5页
• 分类号: TP212.3
• 字数: 3165字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2015.11.002

摘要

跌倒对老年人的健康构成严重危害，设计了一种基于肌电信号的跌倒识别方法，可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解，再依据信号特征选取信号的低频分量并重构，计算其排列组合熵，最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化，对8种动作进行识别实验，跌倒识别率88%，特异度98.3%，平均识别率97.0%，优于网格法和遗传算法支持向量机（GA-SVM）的参数优化，具有较强的鲁棒性和抗干扰能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗志增	杭州电子科技大学智能控制与机器人研究所	164	2539	28.0	39.0
2	席旭刚	杭州电子科技大学智能控制与机器人研究所	46	494	14.0	20.0
3	武昊	杭州电子科技大学智能控制与机器人研究所	5	85	4.0	5.0