基于sEMG的改进SVM+BP肌力预测分层算法

摘要：

康复训练过程中患者需要外部设备的辅助才能完成运动.在此过程中,患者的肌肉功能逐渐康复,辅助设备所提供的辅助力逐渐变小,这要求康复训练设备能够对较大范围肌力做出准确预测.针对这一问题,提出优化一种基于表面肌电信号(Surface Electromyography,sEMG)的分层算法来精确预测肌力大小.第一层算法采用粒子群优化(Particle Swarm Optimiza-tion,PSO)算法对支持向量机算法(Support Vector Machines,SVM)进行改进,以解决sEMG中含有噪声的问题和信号本身的非线性可分问题,并使用改进后的SVM构建3分类器,对肌力大小进行高、中、低3个类别的初步划分.第二层算法采用3个对应于不同肌力大小的BP神经网络对肌力进行精准预测.由实验得出结果:20次重复计算得到的平均绝对误差为0.58,方差为0.18.因此,使用PSO_SVM+BP的组合模型方案能够满足肌力预测的精度要求.

关键词：表面肌电信号、分层算法、BP神经网络、支持向量机、粒子群优化算法

所属期刊栏目：47

分类号：TP249(自动化技术及设备)

资助基金：江西省优势科技创新团队建设计划项目20171BCB24001

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：75-78,83