基于bp神经网络的手势动作表面肌电信号的模式识别

基于bp神经网络的手势动作表面肌电信号的模式识别

ID:9705982

大小:61.00 KB

页数:9页

时间:2018-05-05

基于bp神经网络的手势动作表面肌电信号的模式识别_第1页
基于bp神经网络的手势动作表面肌电信号的模式识别_第2页
基于bp神经网络的手势动作表面肌电信号的模式识别_第3页
基于bp神经网络的手势动作表面肌电信号的模式识别_第4页
基于bp神经网络的手势动作表面肌电信号的模式识别_第5页
资源描述:

《基于bp神经网络的手势动作表面肌电信号的模式识别》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、基于BP神经网络的手势动作表面肌电信号的模式识别【关键词】模式识别;手势语言;表面肌电信号;BP网络;AR模型系数;过零率Abstract:Signlanguageisefeaturesareextracted,usingsurfacemyoelectrogram(SEMG)signals,usclesofforearmeanabsolutevalue,ARmodelparameters,andzerocrossingrate)extractedfrommultichannelSEMGsignals,thehigheraccuracyents.Itshoeth

2、odisefficient.Keyyoelectrogramsignals;BPodelparameter;Zero-crossingrate1引言手势语言在人们日常生活中的应用极为广泛,如交警指挥交通,排球场上裁判的手势,聋哑人之间的手语交流等等。而且,许多手势动作在不同地域是通用的,这就为不同语种的人们相互交流提供了方便。目前,对于手势语言的识别主要有基于数据手套[1]的手语识别和基于视觉图像[2]的手语识别,前者识别率高,但输入设备昂贵,难以普及;后者输入设备简单,但识别率较低,实时性比较差。由于手势动作与手指和关节的运动相关联,而手指和关节的运动又由对应肌

3、肉群所控制,因此,可以通过控制相关肌肉活动产生的表面肌电(SEMG)信号及其差异来识别不同的手势动作。采用基于SEMG信号的手势动作识别的优点是:传感系统设计简单,对周围环境要求不高,处理算法的计算量也较少,它要解决的关键问题是提高对多种动作识别的分类正确率。BP算法结构简单,可操作性强,能模拟任意的非线性输入输出关系,常常被用于表面肌电信号的识别中。在神经网络的实际应用中,绝大部分的神经网络模型采用BP网络或其它的变化形式,它也是前向网络的核心部分,体现了人工神经网络中的精华部分[3]。2识别方法手势动作SEMG的信号模式识别流程见图1。图1动作肌电信号的模式识

4、别流程Fig1Theflom,间距5mm),检测手势动作时的SEMG信号。利用DELSYS公司的16通道肌电采集系统采集信号,该系统的低频截止频率为10Hz,高频截止频率为500Hz,设置数据采样率为1000Hz,得到4导数据,存入PC机。然后进一步利用巴特沃思带通滤波器对肌电信号数据进行滤波,滤波器的通带频率范围20~400Hz,通带内衰减不大于3dB,阻带内的衰减不小于40dB。 2.3活动段检测动作SEMG信号可以分成许多活动段和非活动段,每个活动段代表一个有效动作,而非活动段仅由噪声和背景肌电活动组成。为了区分各单个动作信号,必须确定动作的起始和结束位置。

5、由于背景噪声的能量比动作信号的能量小,采用一种反映信号能量大小的移动窗法[4]进行活动段检测。具体思路是:提取一小段时间内的信号数据,对其进行平方积分,则有Qi=∫ti+Δtti-Δtx(t)2dt(1)其中x(t)是窗内的肌电信号数据,Qi表示ti时刻信号的能量值。Qi若大于某阈值A,且在窗移动后有连续n1次能量值Qk(k=i,i+1,…i+n1)都大于阈值A,则可认为ti时刻是动作的开始时刻。此后若有连续n2次能量值Qk(k=j,j+1,…j+n2)都小于某阈值B(B>A),则可认为动作结束,并以tj时刻为结束时刻。若能量值Q在A与B之间,则认为动作处于保持状

6、态;若能量值Q小于A,则认为无动作产生。2.4特征提取对肌电信号分析和处理常用的特征有:信号的平均值,方差,功率谱密度,AR模型系数等。其中AR模型系数是较常用的一种,它将肌电信号看作为零均值白噪声过程激励一线性系统的输出,只要激励白噪声的功率和系统的参数已知,就可以通过利用模型参数和性质以及白噪声通过此系统后的输入输出关系来研究肌电信号。参数模型把肌电信号的随机性和一定程度的可预测性结合起来,激励白噪声反映过程的随机性,确定性模型反映过程的可预测性[5]。一个随机信号的AR模型可以表示为:x(n)=-∑pk=1akx(n-k)+u(n)(2)其中ak为模型各阶系

7、数,p为模型阶次,u(n)为白噪声。由于不同种类动作信号的幅度不同,因此将动作信号幅度绝对值均值作为SEMG信号的另一种特征。过零率即信号中波形穿越零电平的次数,用来描述波形在幅度上变化的剧烈程度,反映了信号的变化趋势,将它用作肌电信号的一个特征,其计算公式如下:ZCR=∑N-1i=1[sign(-SEMG(i)×SEMG(i+1))∩|SEMG(i)-SEMG(i+1)|≥0.02](3)上式的含义是,若同时满足相临采样点之间异号并且相临采样点差的绝对值大于一个常数(0.02)这两个条件,则可认为信号此刻存在一个过零点。式中的SEMG(i)是一个活动段的肌电信号

8、,N为活动

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。