基于多通道sEMG小波包分解特征的人手动作模式识别方法

• 作者: 张立彬 杨庆华 王志恒 荀一 都明宇 高峰 鲍官军
• 来源期刊: 计算机测量与控制
• 关键词: 表面肌电信号 小波包分解 动作标签 神经网络 模式识别
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 160-163,171
• 页数: 5页
• 分类号: TP241.3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.06.041

摘要

为了满足主动康复训练和人机交互等复杂应用场景对多样性的人手运动模式识别需求,提出了一种基于多通道表面肌电信号sEMG小波包分解特征的人手动作模式识别方法;通过实验对比分析,确定了最佳采样布局方案,通过采集前臂表面肌电信号,设计了基于数字滤波器的肌电信号活动段自动标识算法,能快速准确地完成样本动作标签的制作;以原始肌电信号的小波包分解系数作为特征向量训练分类器;通过对比不同隐含层节点数对分类器模式识别准确率的影响,最终确定BP神经网络模式分类器的所有结构参数;设计并训练完成了BP神经网络人手运动模式分类器;对9种手部运动的平均识别率达到93.6％,计算时间小于150 ms.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立彬	浙江工业大学机械工程学院	94	1624	26.0	38.0
2	杨庆华	浙江工业大学机械工程学院	89	1051	20.0	29.0
3	荀一	浙江工业大学机械工程学院	14	242	9.0	14.0
4	鲍官军	浙江工业大学机械工程学院	65	939	18.0	29.0
5	都明宇	浙江工业大学机械工程学院	17	84	5.0	8.0
6	高峰	浙江工业大学机械工程学院	24	399	11.0	19.0
7	王志恒	浙江工业大学机械工程学院	21	162	7.0	12.0