- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于径向基网络的表面肌电信号处理.pdf
第 26卷 第 4 期 江 西 科 学 Vo l. 26 No. 4
2008年 8月 J IAN GX I SC IEN CE Aug. 2008
文章编号 : 100 1 - 3679 (2008) 04 - 0566 - 04
基于径向基网络的表面肌电信号处理
杨广映 ,杨善晓
(台州学院物理与电子工程学院 ,浙江 台州 3 18000)
( )
摘要 :利用 AR 模型对实验所采集到的原始二通道表面肌 电信号 SEM G 加 以分析 ,提取 AR 系数作为特征
值 ,将其作为训练样本输入到 RB F神经网络进行训练 ,用此网络对前臂的伸臂和曲臂两种运动模式的表面肌
电信号进行模式分类 。实验表明 ,基于径向基函数 RB F神经网络分类准确率比 B P神经网络更高 ,具有较强
的鲁棒性和自适应能力 ,可以有效识别肌肉的单动作模式 。
关键词 :表面肌电信号 ; AR 模型 ; RB F神经网络
中图分类号 : 文献标识码 : A
Surface E lectrom yography Ana ly tica l M ethod
ba sed on the M ethod of RBF Neura l Network
YAN G Guangying, YAN G Shanxiao
( School of Physical E lectron ic s Engineering, Taizhou U n iversity, Zhej iang Taizhou 3 18000 PRC)
(
A b stract: Th is p ap er p rovide s a new featu re extraction m ethod to extract the eigenvectors AR coeffi
cien t) from the original two - channel su rface electrom yograp hy ( SEM G) signals. W e u se the AR coef
ficien ts a s the inpu t to train RB F N eu ral N etwork and to cla ssify the two movem en t p attern s ( flexor
carp i, exten sor carp i) of the forearm. The exp erim en t show s that RB F N eu ral N etwork ha s a more
h igh discrim ination rate, robu stne ss and adap tab ility comp ared w ith B P N eu ral N etwork. M u scle ’s
action p attern also can be effectively recogn ized by th is m ethod.
Key words: Su rface E lectrom yograp hy Signal ( SEM G) , AR model, RB F N eu ral N etwork
文档评论(0)