基于PSO-SVM的手势识别方法研究

摘要：

肌电信号(Electromyography,EMG)是众多肌纤维中运动单元动作电位在时间和空间上的叠加,表面肌电信号(Surface Electromyography,sEMG)则是浅层肌肉EMG和神经干上电活动在皮肤表面的综合效应,能在一定程度上反映神经肌肉的活动.表面肌电信号作为一种无痛苦、无创伤且便捷的肌电检测方式,被广泛应用于手势识别、康复医疗和人机交互控制等领域,其中将肌电信号作为控制源的关键是根据肌电信号的差异能够识别出不同的手势动作.在MYO臂环采集人体上肢小臂处肌电信号后,从中提取平均绝对值、过零点数、波形长度3个时域特征,通过经粒子群优化算法(Particle Swarm Optimization,PSO)优化后的支持向量机(Support Vector Machine,SVM)分类器对采集到的sEMG进行分类识别,实验结果表明,优化后的SVM分类效果更好,平均识别率达到97.3%.

关键词：表面肌电信号、粒子群优化算法、支持向量机

所属期刊栏目：42

分类号：TP39(计算技术、计算机技术)

资助基金：吉林省科技厅项目20190303080

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：102-107