北京生物医学工程
北京生物醫學工程
북경생물의학공정
BEIJING BIOMEDICAL ENGINEERING
2014年
5期
490-496
,共7页
赵漫丹%李东旭%范才智%孟云鹤
趙漫丹%李東旭%範纔智%孟雲鶴
조만단%리동욱%범재지%맹운학
手部动作%表面肌电信号%层级分类%AR模型%人工神经网络
手部動作%錶麵肌電信號%層級分類%AR模型%人工神經網絡
수부동작%표면기전신호%층급분류%AR모형%인공신경망락
hand movement pattern%surface electromyography%hierarchical classification%AR model%artificial neural network
目的 利用肌电信号对手部动作进行识别,是控制现代康复假手的关键,其中使用少量电极识别出较多手势又是一难点.为更加充分利用所获得的肌电信息,本文提出一种层级分类方法.方法 首先提出一种基于层级分类的手部肌电信号动作识别方法,该方法首先根据被分类对象的多侧面属性,利用肌电积分值作为特征值,并通过线性判别函数实施预分类;其次建立肌电信号的自回归模型,将模型系数作为特征值,将人工神经网络作为分类器进行细分类;最后进行了对比实验论证.结果 实验结果表明,可以利用2个表面肌电电极以较高的识别率识别出8个常用手部动作.结论 该方法能够以较少的肌电电极识别出较多的动作,比未采用分层方法具有更好的分类效果.
目的 利用肌電信號對手部動作進行識彆,是控製現代康複假手的關鍵,其中使用少量電極識彆齣較多手勢又是一難點.為更加充分利用所穫得的肌電信息,本文提齣一種層級分類方法.方法 首先提齣一種基于層級分類的手部肌電信號動作識彆方法,該方法首先根據被分類對象的多側麵屬性,利用肌電積分值作為特徵值,併通過線性判彆函數實施預分類;其次建立肌電信號的自迴歸模型,將模型繫數作為特徵值,將人工神經網絡作為分類器進行細分類;最後進行瞭對比實驗論證.結果 實驗結果錶明,可以利用2箇錶麵肌電電極以較高的識彆率識彆齣8箇常用手部動作.結論 該方法能夠以較少的肌電電極識彆齣較多的動作,比未採用分層方法具有更好的分類效果.
목적 이용기전신호대수부동작진행식별,시공제현대강복가수적관건,기중사용소량전겁식별출교다수세우시일난점.위경가충분이용소획득적기전신식,본문제출일충층급분류방법.방법 수선제출일충기우층급분류적수부기전신호동작식별방법,해방법수선근거피분류대상적다측면속성,이용기전적분치작위특정치,병통과선성판별함수실시예분류;기차건립기전신호적자회귀모형,장모형계수작위특정치,장인공신경망락작위분류기진행세분류;최후진행료대비실험론증.결과 실험결과표명,가이이용2개표면기전전겁이교고적식별솔식별출8개상용수부동작.결론 해방법능구이교소적기전전겁식별출교다적동작,비미채용분층방법구유경호적분류효과.
