改进AR模型特征提取及分类-论文.pdf

《改进AR模型特征提取及分类-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第31卷第3期吉林建筑工程学院学报V01．31No．32014年6月JournalofJilinInstituteofArchitecture＆CivilEngineeringJun．2014改进AR模型特征提取及分类米尚小晶吴忠伟徐成波(吉林建筑大学城建学院，长春130111)摘要：目前，表面肌电信号(sEMG)是手势动作识别研究的重要信号源．本文以肌电信号为对象，从非平稳与非线性的角度出发，采用ICA独立成分分析和经验模式分解的方法，消除表面肌电信号中的工频干扰，对处理后的信号建立AR模型．将模型系数作为信号的特征，对6种手势动作进行模式识别．实验表明，该方法获得的特征具

2、有较好的分类效果．关键词：表面肌电信号；独立成分分析；经验模式分解中图分类号：TP311文献标志码：A文章编号：1009—0185(2014)03—0074—04TheImprovedARModelFeatureExtractionandClassificationSHANGXiao—jing，WUZhong—wei，XUCheng—bo(TheCityCollegeofJilinJianzhuUniversity,Changchun，China130111)Abstract：Atpresentthesurfacemyoelectricsignal(sEMG)isanimpo

3、rtantsourceofgesturerecognition．Thearti—cleusesEMGsignalisnon—stationaryandnonlinearobjectfromthepointofview，byusingthemethodofdecom—positionofICAindependentcomponentanalysisandempiricalmodelstoeliminatepowerinterferenceofEMG，es—tablishestheARmodeltotheprocessedsigna1．Themodelcoeficientsare

4、usedasthesignalfeatures，thepatternrecognitionof6kindsofgestures．Experimentsshowthat，themethodobtainedhasbetterclassificationeffect．Keywords：surfaceEMGsignal；independentcomponentanalysis；empiricalmodedecomposition0引言表面肌电信号(sEMG)J，是由电极引导记录下来皮肤表面的神经肌肉活动时的生物电信号，它反映了神经、肌肉的功能和状态．不同的肢体动作由不同的肌肉群控制．

5、因此，可通过肌肉群变化不同来体现不同的动作特征．表面肌电信号是肌肉动作的直接体现，该信号作为不同动作的信号源最为合适，因此，只需提取不同动作信号的全面、具有代表性的特征就能将不同动作区别开来．肌电信号主要集中在20Hz一500Hz之间，而50Hz工频干扰是信号中的影响因素较大的噪声信号．因此，一般的消噪过程都会将50Hz工频误认为是肌电信号而未被消除．消除工频干扰是该信号处理的一个重要过程．目前国内外较成熟的信号处理方法是独立成分分析_2(ICA)，它可以从若干个相互独立的混合信号中分离出信源间线性混合的独立成分，因而能够使其适用于许多场合的信号分析．但该方法一般只适用于线性

6、平稳信号，肌电信号具有很强的非平稳性和非线性，为了能够准确地去除干扰信号，本文将经验模式分解(EMD)应用于独立成分分析方法中，经验模式分解非常适合处理非线性非平稳信号．两种方法相结合对表面肌电信号进行信号处理，然后建立AR模型将模型系数作为信号特征，采用改进概率神经网络对食指伸展、伸腕、向下曲腕、握拳、向侧曲腕、手掌伸展6种手势动作进行模式识别．收稿日期：2014—0l—O8．作者简介：尚小晶(1987～)，女，湖北省宜昌市人，助教，硕士．基金项目：吉林省教育厅“十二五”科学技术研究项目(2014596)第3期尚小晶，吴忠伟，徐成波：改进AR模型特征提取及分类751独立成分

7、分析肌电信号作为生物电信号采用电极采集非常微弱，在采集过程中，由于受到环境影响不可避免的会引入噪声，50Hz工频是最主要的干扰之一，该含噪信号用表示与肌电源信号用5表示之间由混合矩阵描述．ICA要解决的问题是，在Js和A均未知的条件下，求取一个解混矩阵，使得通过解昆后所得输出y是5的最优逼近．在诸多ICA算法中，固定点算法(也称FastlCA_3)被广泛应用于信号处理领域．该算法能很好地从观测信号中估计出相互统计独立的、被未知因素混合的原始信号．2EMD+AR模型2．1EMD分解EMDl4非常适合处理非