基于表面肌电信号的手腕动作模式识别

摘要：

基于表面肌电信号的肢体动作模式识别是假手仿生控制的基础.为提高动作模式识别率,从肌电信号的产生机理出发,选取分别表征肌电信号形态特征——细节复杂度和整体自似性的近似熵指标和分维数指标,作为模式识别的特征向量；同时提出一种具有增量学习能力的K最近邻(KNN)模型增量学习算法作为模式识别的分类器.在对10位受试者手腕的4个精细动作(腕伸、腕屈、腕内旋、腕外旋)的识别实验中,取得了92.5％以上的正确识别率.同时对增量学习能力对分类器动作模式识别率的影响做对比实验,当假肢使用者生理变化时,以KNN模型增量学习算法作为分类器比采用不具增量学习能力的KNN模型算法的识别率高4.5％.实验表明,该肌电信号动作模式的识别方法方案合理,具有应用价值.

关键词：肌电信号、肌电假肢、KNN模型增量学习算法、近似熵、分维数

所属期刊栏目：32

分类号：TP241.3(自动化技术及设备)

资助基金：国家自然科学基金61172134;浙江省自然科学基金Y1111189,LY12F03007;浙江省科技计划项目2012C33075

在线出版日期：2013-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：257-265