文献类型：期刊文章

作　　者：崔建国[1] 李一波[2] 李忠海[2] 刘建民[3] 徐心和[1]

机构地区：[1]东北大学信息科学与工程学院,沈阳110004 [2]沈阳航空工业学院自动化学院,沈阳110136 [3]沈阳飞机设计研究所机电系统部,沈阳110035

出　　处：《数据采集与处理》

基　　金：航空科学基金(2007ZD54006)资助项目;中国博士后科学基金(20070421062)资助项目;沈阳航空工业学院博士启动基金(06YB19)资助项目

年　　份：2008

卷　　号：23

期　　号：2

起止页码：163-167

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、INSPEC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量。利用"一对一"的分类策略和二叉树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%。实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力。

关 键 词：表面肌电信号 小波包变换 支持向量机 模式识别

分 类 号：TP391]