基于表面肌电信号的性别差异性手势识别

发布时间：2021-10-30 01:09

　　对于同一手势不同性别的表面肌电信号差异性较大。为了减小差异性,提出滑动平均能量与能量补偿相结合的方法。本实验共采集10种手势动作的表面肌电信号;利用滑动平均能量对活动段进行检测,并对女性的动作段进行能量补偿;小波包分解采用Db4、Bior3.2、Haar、Sys8、Dmey这5种小波函数提取特征;最后并通过粒子群优化支持向量机进行分类。结果分析表明,能量补偿增大了特征的辨识度,减小了性别差异性,提高了手势识别率。 

【文章来源】：中国医学物理学杂志. 2020,37(03)CSCD

【文章页数】：5 页

【部分图文】：

数据分割与起始点判断

m1是通过对数据分割得到的女性动作电位段的能量峰值，在动作段范围内设定一个补偿系数b，通过补偿系数调整女性动作段的能量值，得到补偿后的能量值为Eb，补偿系数b由同一手势动作的男性动作段与女性动作段能量值的比值进行确定，这里b取值1.3。从测试者中选择一名女性sEMG，利用能量补偿对其活动段进行补偿，结果如图2所示。1.2 小波包分解

对图3中补偿后的女性sEMG提取特征，从测试者中在选择一名女性sEMG进行补偿并提取特征，将两名女性补偿前后的特征矢量进行对比，如图3所示。通过补偿结果可以看出，经过补偿后提取的特征与未补偿的sEMG特征区别明显。较补偿前相比，两名女性动作段特征矢量值都有所增大，而静止段的特征分布则基本不变，提高了动作段的特征分辨能力。2 PSO-SVM

【参考文献】：
期刊论文
[1]俯卧撑运动对翼状肩患者肩周肌群表面肌电信号的影响[J]. 顾倩,顾琦,金多沇,施加加,吴勤峰.  中华物理医学与康复杂志. 2018 (07)
[2]基于改进支持向量机的人手动作模式识别方法[J]. 都明宇,鲍官军,杨庆华,王志恒,张立彬.  浙江大学学报(工学版). 2018(07)
[3]基于表面肌电信号的肌肉疲劳状态分类系统[J]. 曹昂,张珅嘉,刘睿,邹炼,范赐恩.  计算机应用. 2018(06)
[4]基于人工神经网络对sEMG信号的手势动作识别[J]. 王景芳,施霖.  传感器与微系统. 2017(06)
[5]基于表面肌电信号双谱分析的动作分类[J]. 孙光民,闫正祥,张俊杰,马北川,李俊,姜明,刘天伦,张翼.  北京工业大学学报. 2017(07)
[6]小波包系数能量百分比在局部放电模式识别中的应用研究[J]. 吴炬卓,牛海清,许佳.  电器与能效管理技术. 2017(08)
[7]基于DTW算法的肌电信号手势识别方法[J]. 谢小雨,刘喆颉.  计算机工程与应用. 2018(05)
[8]改进学习因子和约束因子的混合粒子群算法[J]. 张水平,仲伟彪.  计算机应用研究. 2015(12)
[9]基于粒子群优化-支持向量机方法的下肢肌电信号步态识别[J]. 高发荣,王佳佳,席旭刚,佘青山,罗志增.  电子与信息学报. 2015(05)
[10]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)

硕士论文
[1]人体参数与STS肌肉肌电指标关系研究[D]. 王文蕾.陕西科技大学 2016



本文编号：3465744