-
题名基于统计聚类方法的儿童下肢肌电信号周期识别
被引量：1
- 1
-
-
作者
闫成起
赵利华
陈梦婕
周军
-
机构
上海交通大学电子信息与电气工程学院电子系
上海交通大学医学院附属儿童医院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第5期273-276,284,共5页
-
基金
上海交通大学“科技创新专项资金”(YG2017MS33)。
-
文摘
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
-
Keywords
Electromyography(EMG)signal
periodic identification
statistical clustering method
nonparametric Bayesian model
k-means algorithm
sliding window
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
