基于Bayes决策理论的表面肌电信号模式分类的研究

摘要：

通过对采集的四通道表面肌电信号进行分析,对其建立AR(Autoregressive)参数模型,提取AR模型参数构建特征矢量.根据实际表面肌电(SEMG)信号的随机性特征,提出了一种采用Bayes决策理论对肌电信号的AR模型参数特征进行分类的新方法,并运用最小错误率Bayes分类器,很好地实现了对前臂八种动作表面肌电信号的模式分类.平均识别率为99.125%.此外,还提出采用动态聚类中心的方法对其进行了改进,使其平均识别率提高到99.5%.研究表明,采用Bayes分类器对肌电信号的AR模型参数特征进行分类,是一种有效的处理手段,并可直接应用到其它具有随机性特征的生理电信号的模式分类中.

关键词：计量学、表面肌电信号、AR参数模型、Bayes决策、模式分类

所属期刊栏目：28

分类号：TB99(计量学)

资助基金：国家自然科学基金50477015

在线出版日期：2007-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：89-92