sEMG多特征融合的自适应神经网络下肢运动意图识别研究

摘要：

针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别.采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取时域、小波变换和样本熵的原始特征参数.对原始特征进行主成分分析,降低特征维度,使用改进的差分进化算法优化各个特征的权重值;针对传统BP神经网络梯度下降法收敛速度慢的问题,使用动态自适应学习率的神经网络算法代替传统BP神经网络识别方法,既提升了模型的收敛速度,又提高了运动意图识别的准确率.实验结果表明,采用多特征融合的自适应神经网络模型识别8种下肢运动意图,平均识别准确率达到94.89％,比单特征的BP神经网络方法识别准确率提高10％以上,动作的识别时间只需要280 ms.该方法在300 ms内可实现对下肢动作的识别,能够达到运动意图识别的要求.

关键词：下肢运动意图识别、多特征融合、动态自适应神经网络、特征提取、下肢表面肌电信号、差分进化算法、小波分析、主成分分析

所属期刊栏目：45

分类号：TN911.73-34;TP391;TH39

资助基金：天津市研究生科研创新项目;天津市科技支撑计划资助项目

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：33-40