基于肘关节表面肌电信号的负载识别

摘要：

针对大多数肌电信号只进行特定肢体动作识别而没有对肢体进行外加负载识别的问题,提出一种基于表面肌电信号(surface electromyography,s EMG)的负载识别方法.首先,采用4通道表面电极采集肘关节在不同负载下的s EMG信号;然后,利用时域、频域特征提取方法对s EMG信号进行特征提取构成特征向量;最后,利用支持向量机(support vector maching,SVM)、BP神经网络和RBF神经网络对特征向量进行分类识别.结果表明以时域特征值识别,SVM的识别效果最佳,准确率为96.2％;以频域特征值识别,BP神经网络的识别效果最佳,准确率为87.5％;以时、频域组合特征值识别,RBF神经网络的识别效果最佳,准确率为90.4％.可见通过s EMG信号进行负载识别具有一定的可行性,为s EMG信号的广泛应用奠定基础.

关键词：表面肌电信号、负载识别、支持向量机、神经网络

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科技计划

在线出版日期：2020-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1485-1491