基于肌电小波包统计特征的踝关节动作识别.pdf

基于肌电小波包统计特征的踝关节动作识别.pdf

ID:49229120

大小:707.19 KB

页数:7页

时间:2020-02-28

基于肌电小波包统计特征的踝关节动作识别.pdf_第1页
基于肌电小波包统计特征的踝关节动作识别.pdf_第2页
基于肌电小波包统计特征的踝关节动作识别.pdf_第3页
基于肌电小波包统计特征的踝关节动作识别.pdf_第4页
基于肌电小波包统计特征的踝关节动作识别.pdf_第5页
资源描述:

《基于肌电小波包统计特征的踝关节动作识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2017年第31卷第2期测试技术学报Vol.31No.22017(总第122期)JOURNALOFTESTANDMEASUREMENTTECHNOLOGY(SumNo.122)文章编号:1671-7449(2017)02-0100-07基于肌电小波包统计特征的踝关节动作识别①胡文龙,乔晓艳(山西大学物理电子工程学院,山西太原030006)摘要:为改善足下垂患者步态,研究了踝关节不同动作的表面肌电信号特征分类.本文采集踝关节在不同动作下,对应胫骨前肌、腓肠肌、腓骨长肌和拇长伸肌的表面肌电信号,采用小波包分解方法进行肌电特征提取,获得小波包系数能量、方差统计特征量;利用支持向量机方法实现踝关

2、节4种不同动作模式的肌电特征分类.实验结果表明,采用具有良好奇异特性的小波包能量、对数方差构成的肌电特征向量,对踝关节动作进行模式识别,其正确率远高于通过提取肌电信号时域或者频域特征进行模式分类的正确率,达到了92.8%的平均分类正确率.该特征提取方法以及支持向量机分类器,可以应用于踝关节动作识别和机器人康复工程.关键词:踝关节;表面肌电信号;小波包统计特征;支持向量机中图分类号:R318.04文献标识码:Adoi:10.3969/j.issn.1671-7449.2017.02.002AnkleMotionClassificationBasedonWaveletPacketStatis

3、ticFeaturesofsEMGSignalHUWenlong,QIAOXiaoyan(CollegeofPhysicsandElectronicsEngineering,ShanxiUniversity,Taiyuan030006,China)Abstract:Inordertoimprovethepatient'sfootdropgait,thepaperdiscussedthefeatureclassificationofthesurfaceElectromyography(EMG)signaltothedifferentmotionsoftheanklejoint.First,

4、thesurfaceEMGsignalsofanteriortibialmuscle,gastrocnemiusmuscle,peroneuslongusandextensorhallu-cislongusunderthedifferentmotionsoftheanklejointarecollected.Then,waveletpacketdecomposi-tionmethodwasutilizedtoextractsEMGfeature.Next,themethodofsupportvectormachine(SVM)wasusedtoclassifyfourdifferentm

5、otionpatternsoftheanklejoint.Experimentalresultsshownthatu-singthewaveletpacketcoefficientenergyandLogvariancefeatureswithgoodsingularityasfeaturevec-tor,anklejointmovementwasrecognized,whichaveragecorrectrateofSVMclassifierachieves92.8%toanklejointaction,ismuchhigherthanadoptingonlytimedomainorf

6、requencydomainfeatureextrac-tionmethod.Thisproposedfeatureextractionmethodandsupportvectormachineclassifiercanbeeffec-tivelyappliedtothemotionrecognitionoftheanklejointandtherobotrehabilitationproject.Keywords:anklejoint;surfaceEMG;waveletpacketstatisticfeature;supportvectormachine收稿日期:2016-11-03

7、①基金项目:山西省回国留学人员科研资助项目(2014-010)作者简介:胡文龙(1992-),男,硕士生,主要从事模式识别与智能系统等研究.通信作者:乔晓艳(1969-),女,副教授,博士,主要从事信号检测与处理、机器学习、仿生机器人等研究.(总第122期)基于肌电小波包统计特征的踝关节动作识别(胡文龙等)1010引言脑卒中是一种由于血液不能流入大脑而引起脑组织损伤的疾病,临床症状为患者丧失大脑控制运动的能力,肢体残疾是脑卒中后最常

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。