10.3969/j.issn.1671-7449.2017.02.002
基于肌电小波包统计特征的踝关节动作识别
为改善足下垂患者步态,研究了踝关节不同动作的表面肌电信号特征分类.本文采集踝关节在不同动作下,对应胫骨前肌、腓肠肌、腓骨长肌和拇长伸肌的表面肌电信号,采用小波包分解方法进行肌电特征提取,获得小波包系数能量、方差统计特征量;利用支持向量机方法实现踝关节4种不同动作模式的肌电特征分类.实验结果表明,采用具有良好奇异特性的小波包能量、对数方差构成的肌电特征向量,对踝关节动作进行模式识别,其正确率远高于通过提取肌电信号时域或者频域特征进行模式分类的正确率,达到了92.8%的平均分类正确率.该特征提取方法以及支持向量机分类器,可以应用于踝关节动作识别和机器人康复工程.
踝关节、表面肌电信号、小波包统计特征、支持向量机
31
R318.04(医用一般科学)
山西省回国留学人员科研资助项目2014-010
2017-05-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
100-106