基于自更新混合分类模型的肌电运动识别方法

• 作者: 丁其川 李自由 赵新刚 韩建达
• 来源期刊: 自动化学报
• 关键词: 表面肌电 动作识别 模式分类 在线更新 肌肉疲劳
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 论文与报告
• 页码范围: 1464-1474
• 页数: 11页
• 字数: 8188字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170301

摘要

传统基于肌电(Electromyography,EMG)的运动识别方法多是利用训练后的固定参数模型,分类已预先定义的有限个目标动作,但对肌肉疲劳导致的肌电变化,以及未定义的外部动作等干扰因素无能为力.针对这一问题,提出一种自更新混合分类模型(Self-update hybrid classification model,SUHC),该模型融合了用于排除外部动作干扰的一类支持向量机(Support vector machine,SVM),以及用于分类目标动作数据的多类线性判别分析(Linear discriminant analysis,LDA),并引入自更新机制以对抗肌电时变性干扰.通过手部动作识别实验验证提出方法的效果,在肌电大幅变化干扰下,SUHC的目标动作识别精度达到89％,对比传统的支持向量机、多层感知器(Multiple layer perceptron,MLP)和核线性判别分析(Kernel LDA,KLDA),提高了约18％,并且SUHC具备排除外部动作干扰能力,排除精度高达93％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩建达	中国科学院沈阳自动化研究所机器人学国家重点实验室	84	1156	21.0	29.0
3	赵新刚	中国科学院沈阳自动化研究所机器人学国家重点实验室	22	265	9.0	16.0
6	丁其川	中国科学院沈阳自动化研究所机器人学国家重点实验室	4	59	3.0	4.0
7	李自由	中国科学院沈阳自动化研究所机器人学国家重点实验室	1	2	1.0	1.0