基于组合能量特征的表面肌电信号手势识别算法

发布时间：2021-01-14 02:37

　　为了提高基于表面肌电信号（s EMG）的手势动作识别准确率,提出一种基于肌电信号组合能量特征的手势识别方法。首先,计算s EMG信号和其高阶差分信号的能量谱;然后,提取基于能量谱的组合特征;最后,用主成分分析（PCA）算法对多组能量特征维度约简,线性判决分析（LDA）分类器识别手势动作。利用肌电仪采集8组手势动作进行识别,基于组合能量特征的肌电信号手势识别方法对于手势动作识别的准确率可达97. 5%,比基于典型特征提取算法手势动作识别准确率更高;利用UCI数据库中的肌电信号进行实验,手势识别准确率可达94. 5%。实验表明:组合能量特征提取算法对不同的数据库具有普适性,所提取肌电信号组合能量特征能使不同手势动作的差异性更明显,整个手势识别方法准确率更高。 

【文章来源】：传感器与微系统. 2020,39(06)

【文章页数】：4 页

【部分图文】：

ELONXI肌电采集仪

采用ELONXI肌电采集仪采集5个不同受试者的8种动作的手臂肌电信号，见图2。每次采集过程中，被测者做这8种不同的手部动作，保持每个动作10 s，重复采集20次，每种手势动作采集100个EMG。实验测试8种动作的识别率时，对每种动作随机分出75%作为测试样本，共600次，25%作为训练样本，共200次。UCI数据集的采集设备为EMG传感器臂带Myo，包含8个肌电传感器，传感器采集受试对象臂部佩戴传感器的位置因肌肉运动引起的EMG变化。36名受试者执行的6种手势分别为握拳、休息、屈腕、伸腕、左旋、右旋，每种手势执行3 s。采用无线蓝牙将传感器采集的EMG数据显示到电脑上。

【参考文献】：
期刊论文
[1]下肢表面肌电信号的降维和映射分析[J]. 章亚男,景银平,沈林勇,宋薇,钱晋武.  传感技术学报. 2018(07)
[2]基于稀疏表示的联合多通道肌电信号手势识别[J]. 陈素素,谢宏.  微型机与应用. 2017(17)
[3]基于LDA的表面肌电信号分类研究[J]. 马正华,乔玉涛,李雷,戎海龙.  计算机工程与科学. 2016(11)
[4]基于LLE和SVM的手部动作识别方法[J]. 伍吉瑶,王璐,程正南,陈永泽.  传感器与微系统. 2016(08)
[5]基于人工鱼群算法优化SVM的手部动作sEMG识别[J]. 洪洁,王璐,汪超,魏伟,叶晔.  传感器与微系统. 2016(02)
[6]基于SVM的下肢运动表面肌电信号的特征提取与辨识分析[J]. 张羿,赵慧龙,张向刚,秦开宇.  载人航天. 2015(02)

硕士论文
[1]基于在线学习的表面肌电信号分类方法研究[D]. 张跃.浙江工业大学 2017



本文编号：2976040