基于小波包变换的表面肌电信号模式识别.pdfVIP

2011年 9月 1日 现代电子技术 Sep．2O11 第 34卷第 17期 ModernElectronicsTechnique VoL34NO．17 基于小波包变换的表面肌电信号模式识别 王 玲 (陕西职业技术学院，陕西 西安 710100) 摘 要 ：采用小波包变换 的方法对表面肌 电信号sEMG进行 了多尺度分解 ，并提取小波包分解系数 的能量值构建特征 矢量 ，采用四种方法设计多类最小二乘支持 向量机 (LS—SVM)分类器，对 8种表面肌 电信号进行 了模式分类。实验结果表 明，采用四种多类分类方法的LS-SVM 分类器对8种表面肌 电信号的平均识别率在 9O 以上，I．S-SVM 分类准确率明显优 于传统 的RBF神经 网络分类器。 关键词：表面肌 电信号；小波包变换；I sVM；模式识别 中图分类号：TN9l1．7-34 文献标识码 ：A 文章编号：1004—373X(20l1)17～o122一O3 SurfaceEM G SignalM odeRecognitionBasedonW aveletPackageTransform WANG Ling (ShaanxiVocationalandTechnicalCollege，Xi’an710100，China) Abstract：Thesurfaceelectromyographicsignalisanalyzedbywaveletpackagetransform．Thefeaturevectorsarebuih by extractingtheenergyvalueofthewaveletpackagecoefficients．Themulti—classleastsquaressupportvectormachineclassifier isdesignedbyusingfourkindsofmulti—classclassificationapproach．TheLS—SVM classifierisappliedtOtheclassificationof eightmovementswith recording ofthesurfaceEMG． Experimentalresultsshow thattheaveragerecognition rateisover 9O ，andtheclassificationaccuracyofLS-SVM classifierissignificantlybetterthanRBF neuralnetworkclassifier． Keywords：surfaceelectromyographicsignal；waveletpackagetransform ；IS-SVM ；patternrecognition 二分滤波器进行分解 ，所 以能根据信号的特征选取相 应频带与信号频谱匹配，进一步提高了时频分辨率， 表面肌电信号(surfaceElectromyographicSigoal， 因此小波包分析具有更广泛的应用价值 。 sEMG)是从肌肉表面通过 电极 引导、放大、记录下来的 对于多 自由度肌电控制假肢 ，寻找一个好 的模式分 神经肌 肉系统活动时的非平稳一维时间序列生物电信 类器是关键 ，支持 向量机 ‘](SVM)是在统计学习理论 号，能够反映神经肌肉的活动_1]。肌电信号不仅在临床 基础上发展起来的一种新的机器学习方法 ，具有坚实理 医学、运动医学等领域被广泛应用，而且成为人工假肢 论基础、全局优化、泛化性能好等优点。最小二乘支持 和功能性神经电刺激的理想控制