基于小波变换的多特征融合sEMG模式识别.pdf

《基于小波变换的多特征融合sEMG模式识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第29卷第4期传感技术学报Vo1．29NO．42016年4月CHINESEJOURNALOFSENSORSANDACTUATORSApr．2016sEMGPatternRecognitionBasedonMultiFeatureFusionofWaveletTransformYUYaping，SUNLining，ZHANGFengfeng，ZHANGJianfa(RoboticsandMicrosystemsCenter，CollegeofMechanicalandElectricalEngineering，SoochowUniversity，

2、SuzhouJiangsu215021，China)Abstract：Inviewofthepoorcharacterizationofsinglefeaturevalue，muhifeaturefusionbasedondifferentwaveletbasiswasadoptedtoextractthesurfaceEMGsignalaccordingtomultiresolutionanalysisofwavelettransform．Theexperimentwasconductedontentestersandcollectedsig

3、nalsforfourbasiclowerlimbmovementsindailylife．Firstofall，discretewavelettransforlTlwasusedtodecomposethesurfaceEMGsignalsinmuhi．scalewithDB，DmeyandBiorwaveletbasisrespectively．Atierthat．itwasfoundedthatthecharacterizationeffectsofdiferentmusclevarybydifferentextractionway．In

4、ordertocombinethecharacteristicsofdifferentfeatures，featureswerefusedtoanalyzeandcompare．Atlast．thefeaturevalueswereinputtotheElmanneuralnetworkandBPneuralnet．workforpatternrecognitionandcomparisonanalysis．Experimentalresultsshowedthattherecognitionrateob-tainedbyfusingtheei

5、genvaluesishigherthansinglefeaturewiththeaccuracyupto98．7％．andtheBPneuralnet—workiSbetterthantheElmanneuralnetwork．Keywords：surfacesEMG；signalprocessing；patternrecognition；multifeaturefusion；wavelettransformEEACC：7510Ddoi：10．3969~．issn．1004-1699．2016．04．009基于小波变换的多特征融△I=3EMG

6、模式识别于亚萍，孙立宁，张峰峰，张建法(苏州大学机电工程学院机器人与微系统研究中心，江苏苏州215021)摘要：针对单一特征值表征能力差的情况，根据小波变换的多分辨分析思想，采用基于多种母小波的多特征融合的特征提取方法对表面肌电信号进行特征提取。本实验对十名测试人员进行肌电信号的采集，对日常生活中的四个基本下肢动作进行测试。首先，分别基于DB、Dmey和Bior三种不同的母小波，采用离散小波变换通过不同的分析方法对表面肌电信号进行多尺度分解。然后，通过分析发现，不同肌肉在不同特征提取方式下表征效果存在差异，为了结合不同特征方式的特点对基于不同小

7、波基的特征值进行融合分析并比较。最后，将特征值分别输入到Elman神经网络和BP神经网络进行模式识别并比较分析。实验结果表明：通过对不同特征值进行识别比较，融合处理的特征值可以达到98．7％的识别率，并且，BP神经网络相较于Elman神经网络识别效果更好。关键词：表面肌电；信号处理；模式识别；多特征融合；小波变换中图分类号：TP24文献标识码：A文章编号：1004—1699(2016)04-0512-07表面肌电信号是指从肌肉表面通过电极引导而医学、生物医学与工程等诸多领域，特别是在智能假记录下来的神经肌肉系统活动时的生物电信号⋯，肢方面的应用

8、深受使用者和康复工程研究人员的青它与肌肉的活动状态和功能状态之间存在着不同程睐，已经成为功能性电刺激的理想控制信号。度的关联性，不同的肢体动作由不同的