基于隐马尔可夫模型-径向基神经网络的表面肌电信号识别

摘要：

目的:利用隐马尔可夫模型-径向基神经网络(HMM-RBFN)混合模型对7种手指动作进行辨识,探索控制HIT多自由度灵巧手的有效控制策略.方法:8例健康实验对象参加了试验,4例女性,4例男性.每例实验对象按提示完成7种手指动作,每种动作重复50次.通过表面肌电信号(sEMG)采集系统,提取实验对象前臂4块肌肉的sEMG,在对其进行预处理并提取小波变换特征向量后,分别送入HMM模型分类器及HMM-RBFN混合模型分类器进行训练.结果:HMM-RBFN混合模型识别效果和稳定性都大大优于HMM模型,验证了HMM-RBFN混合模型的有效性.结论:①HMM模型在sEMG识别中的效果没有其在语音信号识别中的好,有必要对其进行改进,以便更好的应用于sEMG的识别;②将HMM模型和神经网络组成混合分类器,可以弥补彼此的不足,获得更好的性能.

关键词：隐马尔可夫模型、径向基神经网络、表面肌电信号、假手

所属期刊栏目：21

分类号：R3(基础医学)

资助基金：国家自然科学基金50435040;黑龙江省教育厅科学技术研究项目1512225

在线出版日期：2006-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1016-1018