基于AR模型和BP网络的表面EMG信号模式分类.pdf

( ) 第 32 卷 增刊 　　 　 　华 　中　科 　技 　大 　学 　学 　报 自然科学版 　 　 　　　Vol . 32 　Sup . 2004 年 　10 月 　 　J . Huazhong Univ . of Sci . Tech . (Nature Science Edition) 　 　　Oct . 　 2004 基于 A R 模型和 B P 网络的 表面 EM G 信号模式分类 王 　飞 　罗志增 (杭州电子科技大学 机器人研究所 , 浙江 杭州 3 10038) 摘要 : 提出了一种以AR 模型和 B P 网络相结合的表面肌电信号处理方法. 首先 ,将采集到的肌电信号进行预 处理 ,提取 AR 系数作为其特征值 ;其次 ,设计了一个三层的B P 神经网络 ,利用 AR 系数对手臂的各种肢体动 作进行运动模式的分类. 实验表明 ,这种方法不仅减少了计算工作量 , 同时取得了比较理想的识别效果. 关 　键 　词 : 表面肌电信号 ; B P 神经网络 ; AR 模型 中图分类号 : TP242 　　文献标识码 : A 　　文章编号 : 167 145 12 (2004) S10 10003 Basing on A R model and BP neural net work to classif y SEM G Wang Fei 　L uo Zhiz eng Abstract : In t his p aper , a met hod to p rocess surface elect romyograp hy signal was p resented . It based on A R model and B P neural network . Fir st , we created A R model wit h t he original signal t hat was p ret reated and took t he coefficient as it s eigenvector . Second , a t hreelayer B P neural network was designed to classify t he muscle movement of forearm wit h A R model coefficient . The experiment indicates t his measure can re duce workload and get t he relatively good result s. Key words : surface elect romyograp hy signal ; B P neural network ; A R model Wang Fei 　Po st graduate ; Robotics Research Instit ute , Hangzhou Dianzi U niver sity , Hangzhou 3 10038 , China . 　　表面肌电信号是从皮肤表面通过电极引导记 适应 、鲁棒性和容错能力等特点 ,因而本研究利用 录下来的神经肌肉系统活动时的生物电信号, 它 A R 模型提取频域参数和 B P 网络作为模式分类 与肌肉的活动状态和功能状态之间存在着不同程 器 , 开展 了对前臂尺侧腕伸肌和 曲肌 的表面 度的关联性, 在一定的程度上反映了神经肌肉的 EM G 信号运动模式的研究. 活动, 因此肌电信号的特征可以判别不同的肢体 动作. 1 　基于 A R 模型的 EM G 特征提取 传统肌电信号处理方法将肌电信号看作是时 间的函数, 通过对