模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2010年
5期
695-700
,共6页
表面肌电信号(SEMG)%小波包变换(WPT)%学习向量量化(LVQ)%神经网络
錶麵肌電信號(SEMG)%小波包變換(WPT)%學習嚮量量化(LVQ)%神經網絡
표면기전신호(SEMG)%소파포변환(WPT)%학습향량양화(LVQ)%신경망락
针对表面肌电信号(SEMG)的手部动作识别,提出一种采用小波包变换(WPT)和学习向量量化(LVQ)算法的神经网络分类器.对SEMG信号进行基于熵准则的最优小波包基分解得到各个节点分解系数,计算信号各个节点相应子频段的系数能量,归一化处理后的特征向量输入LVQ神经网络,实现基于SEMG的手部动作识别.实验结果表明,采取两路SEMG信号,该分类器能有效识别伸腕、屈腕、展拳和握拳4种动作模式,达到96%的识别率,能可靠应用于2个自由度肌电假手的控制.
針對錶麵肌電信號(SEMG)的手部動作識彆,提齣一種採用小波包變換(WPT)和學習嚮量量化(LVQ)算法的神經網絡分類器.對SEMG信號進行基于熵準則的最優小波包基分解得到各箇節點分解繫數,計算信號各箇節點相應子頻段的繫數能量,歸一化處理後的特徵嚮量輸入LVQ神經網絡,實現基于SEMG的手部動作識彆.實驗結果錶明,採取兩路SEMG信號,該分類器能有效識彆伸腕、屈腕、展拳和握拳4種動作模式,達到96%的識彆率,能可靠應用于2箇自由度肌電假手的控製.
침대표면기전신호(SEMG)적수부동작식별,제출일충채용소파포변환(WPT)화학습향량양화(LVQ)산법적신경망락분류기.대SEMG신호진행기우적준칙적최우소파포기분해득도각개절점분해계수,계산신호각개절점상응자빈단적계수능량,귀일화처리후적특정향량수입LVQ신경망락,실현기우SEMG적수부동작식별.실험결과표명,채취량로SEMG신호,해분류기능유효식별신완、굴완、전권화악권4충동작모식,체도96%적식별솔,능가고응용우2개자유도기전가수적공제.