基于小波变换和PSO-SVM的表面肌动作模式分类

• 作者: 伍吉瑶 叶晔 洪洁 王璐 魏伟
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 表面肌电信号 小波变换 粒子群优化算法 支持向量机
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 计算机与信息
• 页码范围: 272-277
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2016.03.014

摘要

为提高对表面肌动作识别的准确性，提出一种小波变换与粒子群优化支持向量机(PSO-SVM)相结合的模式分类方法。通过虚拟仪器采集肱桡肌和尺侧腕屈肌的两路表面肌电信号，运用小波变换对其进行多尺度分解，提取小波系数最大值作为表面肌动作特征，采用支持向量机(SVM)进行特征分类，并在分类过程中引入粒子群算法对SVM的惩罚参数和核函数参数进行寻优。实验结果表明，采用此方法能成功地识别表面肌内翻、外翻、握拳、展拳4种动作，较传统SVM方法有更高的分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王璐	安徽工业大学机械工程学院	48	347	10.0	15.0
2	洪洁	安徽工业大学机械工程学院	4	24	2.0	4.0
3	魏伟	安徽工业大学机械工程学院	9	33	4.0	5.0
4	叶晔	安徽工业大学机械工程学院	12	44	3.0	6.0
5	伍吉瑶	安徽工业大学机械工程学院	2	7	1.0	2.0