基于统计聚类方法的儿童下肢肌电信号周期识别

摘要：

为运用肌电信号分析髋脱位儿童和正常儿童的差异,提出一种基于统计的聚类方法,识别步态中下肢肌电信号的周期起始时刻.使用非参数贝叶斯模型将肌电信号序列聚类为状态序列,并通过k均值聚类算法将该状态序列标记为肌肉活跃和不活跃两种状态,将肌肉活跃状态的起始时刻作为肌电信号周期的起始位置,并且利用窗函数方法提高预测准确性.实验结果表明,该方法对于预测正常儿童周期起始位置的识别误差较小,平均值为2.15％,并且在5％的置信度水平下与SampEN、SNEO和IP等检测算法相比具有较高的预测准确率.

关键词：肌电信号、周期识别、统计聚类方法、非参数贝叶斯模型、k-means算法、滑动窗

所属期刊栏目：47

分类号：TP399(计算技术、计算机技术)

资助基金：上海交通大学"科技创新专项资金"YG2017MS33

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：273-276,284