基于块稀疏贝叶斯学习的肌电信号特征提取
仪器仪表学报（2014）
Abstract
针对上肢多种运动的模式识别问题,对表面肌电的特征提取方法进行了研究,旨在取得更有鉴别能力的特征.采用基于块稀疏贝叶斯学习的方法提取s EMG信号中蕴含的运动信息,用于上肢动作中的整手以及精细的手指动作的识别.基于块稀疏贝叶斯学习的方法提取到的分解系数特征DC能表征s EMG信号的非线性特征.在对8位受试者6类整手以及精细的手指动作的识别实验中,将DC特征结合Willison幅值特征能更有效地反映出6类动作之间的差异,平均动作识别成功率可达92.9%.实验表明,所提出的特征提取方案可行.与传统的特征提取方法相比,此方案进一步提高了多种动作模式的识别精度.更多还原
MoreTranslated text
Key words
non-stationary signal,feature extraction,sEMG,BSBL
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined