-
题名基于表面肌电信号的肌肉疲劳状态分类系统
被引量：15
- 1
-
-
作者
曹昂
张珅嘉
刘睿
邹炼
范赐恩
-
机构
武汉大学电子信息学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第6期1801-1808,共8页
-
文摘
为了实现肌肉疲劳状态的准确检测分类,提出一个完整的基于人体表面肌电(sEMG)信号的肌肉疲劳分类与检测系统。首先,通过AgCl表面贴片电极和高精度模拟前端ADS1299采集人体sEMG信号,进行小波消噪等预处理之后,提取可反映人体肌肉疲劳状态的sEMG信号时域和频域特征。然后,在常用特征如积分肌电图(IEMG)、均方根(RMS)、中值频率(MF)以及平均功率频率(MPF)基础上,为更加精细地刻画人体肌肉疲劳状态,引入sEMG信号的频域特征带谱熵(BSE);为弥补傅里叶变换分析非平稳信号的不足,引入sEMG信号时频特征——基于经验模态分解-希尔伯特变换(EEMD-HT)的平均瞬时频率。最后,为提高肌肉非疲劳和疲劳状态分类的准确度,利用含突变的粒子群优化算法优化支持向量机(PSO-SVM)并对sEMG进行分类,实现人体肌肉疲劳状态检测。征集15名健康男青年进行sEMG信号采集实验,建立sEMG信号库,提取特征进行分类实验。实验结果表明,所提的系统能够进行高精度sEMG信号采集和肌肉疲劳程度的高准确度分类,分类准确率大于90%。
-
关键词
表面肌电信号
肌肉疲劳
带谱熵
粒子群优化算法
支持向量机
-
Keywords
surface ElectroMyoGraphy （sEMG） signal
muscle fatigue
band spectral entropy （bse）
Particle Swarm Optimization （PSO） algorithm
Support Vector Machine （SVM）
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
