10.3969/j.issn.1004-132X.2019.12.014
多模式人手动作分类识别方法
为了满足手部运动功能康复器的主动康复训练对多种人手动作模式识别的需求,分析了表面肌电信号采样通道设置布局、训练样本制作、特征提取方式、模式分类器结构参数等因素对手部动作识别的影响,设计了针对前臂的表面肌电信号采集方案,分别基于时域统计量、自回归模型系数、小波包分解系数特征设计了BP神经网络分类器.实验结果表明:对6种单指动作、13种多指动作、20种手部动作的最佳平均识别率分别为98.5%、92.4%、90.9%,计算时间小于190 ms,验证了所提出方法的有效性和实用性.
表面肌电、手部动作、神经网络、模式识别
30
TP241.3(自动化技术及设备)
国家自然科学基金资助项目51775499;浙江省自然科学基金资助项目LQ15E050008;浙江省教育厅科研项目Y201121563;北京市智能机器人与系统高精尖创新中心开放基金资助项目2016IRS03
2019-07-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
1474-1479