期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进能量核的下肢表面肌电信号特征提取方法 被引量：18
1
作者 石欣 朱家庆 +2 位作者 秦鹏杰 翟马强 田文彬 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第1期121-128,共8页
由于表面肌电信号(sEMG)具有非平稳、非周期和混沌等特性,导致传统的特征值提取方法存在实时性与准确性难以兼容的问题,基于此提出一种基于sEMG的改进能量核特征提取方法,对采集到的肌电信号进行处理。首先,在EMG振子模型的基础上,详细... 由于表面肌电信号(sEMG)具有非平稳、非周期和混沌等特性,导致传统的特征值提取方法存在实时性与准确性难以兼容的问题,基于此提出一种基于sEMG的改进能量核特征提取方法,对采集到的肌电信号进行处理。首先,在EMG振子模型的基础上,详细描述了新提出的"阈值矩阵计数"(threshold matrix count,TMC)特征提取方法;然后,通过在腿部10块不同肌肉表面粘贴肌电传感器来检测下肢不同运动过程中的肌电信号;采集到所需肌电信号后,对10块肌肉上的肌电信号分别进行特征提取,得到10个不同的特征向量x_k,并对其进行分析,选取了4块肌肉作为有效肌肉;最后将有效肌肉的特征向量x_k组合整理,得到特征矩阵X_k,将其输入BP神经网络进行训练,对4种运动模式进行识别。实验结果表明,提出的能量核特征提取方法相比于传统的两种能量核特征提取方法,运算效率分别提升了13倍和9倍;同时,相比常用的时、频域特征提取方法,训练后得到的模型具有更好的稳定性,平均识别精度为95.2%。 展开更多
关键词 SEMG 特征提取 能量核 阈值矩阵计数法 肌肉选取 运动信号识别
下载PDF
基于LMS-随机森林的肌电信号下肢动作快速分类 被引量：18
2
作者 石欣 范智瑞 +2 位作者 张杰毅 徐淑源 蔡建宁 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第6期218-224,共7页
表面肌电信号(sEMG)发生于动作之前,可以在动作活动时提前预测其活动意愿,但传统的分类方法往往存在实时性与准确性难以兼容的问题。为了使得肌电信号能够更好地运用于机器设备,提出一种LMS-随机森林肌电信号快速动作分类方法,对下肢动... 表面肌电信号(sEMG)发生于动作之前,可以在动作活动时提前预测其活动意愿,但传统的分类方法往往存在实时性与准确性难以兼容的问题。为了使得肌电信号能够更好地运用于机器设备,提出一种LMS-随机森林肌电信号快速动作分类方法,对下肢动作屈髋屈膝、屈髋伸踝、屈膝屈踝、伸膝伸踝进行动作分类与模式识别。相比于传统的分类算法,研究只需采集动作前120 ms数据进行分类,利用LMS进行滤波,并且给原始数据赋予相应权重,其权重代表数据特征的重要程度,改善了传统表面肌电信号分类的实时性不足问题,为人体与外骨骼设备融合提供了解决方案。实验结果表明,相比于传统的支持向量机,反向传播神经网络等算法中,算法耗时间较短,速度为线性围栏法的7.8倍,具备较高的准确度与稳定性,识别精度为97.3%。 展开更多
关键词 表面肌电信号 特征提取 肌肉选取 随机森林 运动信号识别
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部