生物医学工程研究
生物醫學工程研究
생물의학공정연구
JOURNAL OF BIOMEDICAL ENGINEERING RESEARCH
2010年
2期
84-89,105
,共7页
雷培源%杨基海%赵章琰%魏代祥
雷培源%楊基海%趙章琰%魏代祥
뢰배원%양기해%조장염%위대상
表面肌电信号%分解%叠加波形%神经网络%对准技术
錶麵肌電信號%分解%疊加波形%神經網絡%對準技術
표면기전신호%분해%첩가파형%신경망락%대준기술
为了提高表面肌电信号(surface electromyography, sEMG)分解的准确率,我们利用空间相邻两通道sEMG信号的信息,采用联合低频小波分解系数作为运动单位动作电位(motor unit action potential, MUAP)活动段的特征,并将自组织特征映射(self-organizing feature map, SOFM)与学习向量量化(learning vector quantization, LVQ)网络结合起来,完成对MUAP波形的分类.同时为了实现对sEMG信号分解的完整性,采用一种基于递归的模板对准技术分解叠加波形.仿真信号和真实信号的实验表明,本方法具有较高的分解准确率,对于中低收缩力度下sEMG信号的分解十分有效.
為瞭提高錶麵肌電信號(surface electromyography, sEMG)分解的準確率,我們利用空間相鄰兩通道sEMG信號的信息,採用聯閤低頻小波分解繫數作為運動單位動作電位(motor unit action potential, MUAP)活動段的特徵,併將自組織特徵映射(self-organizing feature map, SOFM)與學習嚮量量化(learning vector quantization, LVQ)網絡結閤起來,完成對MUAP波形的分類.同時為瞭實現對sEMG信號分解的完整性,採用一種基于遞歸的模闆對準技術分解疊加波形.倣真信號和真實信號的實驗錶明,本方法具有較高的分解準確率,對于中低收縮力度下sEMG信號的分解十分有效.
위료제고표면기전신호(surface electromyography, sEMG)분해적준학솔,아문이용공간상린량통도sEMG신호적신식,채용연합저빈소파분해계수작위운동단위동작전위(motor unit action potential, MUAP)활동단적특정,병장자조직특정영사(self-organizing feature map, SOFM)여학습향량양화(learning vector quantization, LVQ)망락결합기래,완성대MUAP파형적분류.동시위료실현대sEMG신호분해적완정성,채용일충기우체귀적모판대준기술분해첩가파형.방진신호화진실신호적실험표명,본방법구유교고적분해준학솔,대우중저수축력도하sEMG신호적분해십분유효.
