论文摘要
为提高手腕动作的识别率,提出了一种将主成分分析(PCA)和极限学习机(ELM)相结合的手腕动作肌电信号识别方法。该方法提取手腕4种动作(内翻、外翻、握拳、展拳)的肌电信号,运用小波变化提取小波特征构造特征矢量,利用PCA算法对特征矢量进行降维,摒弃冗余信息,实现肌电信号特征参数的降维,最后运用ELM对降维后的数据进行识别分类。实验结果表明:将PCA和ELM相结合的方法有着更高的手腕动作识别率,验证了该方法的可行性。
论文目录
文章来源
类型: 期刊论文
作者: 景甜甜,洪洁
关键词: 表面肌电信号,模式识别,主成分分析,极限学习机
来源: 重庆理工大学学报(自然科学) 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑,医药卫生科技,信息科技
专业: 生物医学工程,电信技术,自动化技术
单位: 安徽建筑大学机械与电气工程学院,安徽江淮汽车集团股份有限公司
基金: 安徽省高校省级自然科学基金研究项目“欠驱动自适应柔性机器人手的研究与设计分析”(KJ2018JD24)
分类号: R318;TN911.7;TP18
页码: 96-100
总页数: 5
文件大小: 183K
下载量: 124