-
题名基于MEMD和TK能量算子的肌电信号手势识别
被引量：7
- 1
-
-
作者
裴晓敏
宋佳强
曹江涛
刘洪海
-
机构
辽宁石油化工大学信息与控制工程学院
朴茨茅斯大学智能系统与生物医学机器人实验室
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2021年第1期82-87,共6页
-
基金
国家自然科学基金(61873259)
辽宁省自然科学基金计划(2019ZD0066)资助项目。
-
文摘
为提高肌电信号手势识别的准确率,提出基于时频域分析的肌电信号特征提取方法。该方法利用无线肌电信号采集装置获得肌电信号,采用基于多元经验模态分解(multivariate empirical mode decomposition, MEMD)和TK(Teager-Kaiser)能量算子的肌电信号特征提取方法,利用多维尺度分析(multi-dimensional scaling, MDS)对多通道特征降维,采用线性判别分类器(linear discriminant analysis, LDA)对手势特征分类识别。将该算法应用于UCI数据库,手势识别准确率达98.96%,应用于自主采集数据库准确率达99.37%,同时F1 score具有明显提升。实验结果表明,与典型方法相比,所提出的肌电信号特征提取方法对手势识别的准确率更高。
-
关键词
表面肌电信号
多元经验模态分解
Teager-Kaiser能量
多维尺度分析
线性判别分类器
-
Keywords
surface EMG signal
multivariate empirical mode decomposition
Teager-Kaiser energy
multidimensional scaling analysis
linear discriminant classifier
-
分类号
TN911.7
[电子电信—通信与信息系统]
K741.044
[历史地理—世界史]
-
-
题名基于组合能量特征的表面肌电信号手势识别算法
被引量：14
- 2
-
-
作者
宋佳强
裴晓敏
赵强
刘洪海
-
机构
辽宁石油化工大学信息与控制工程学院
朴茨茅斯大学智能系统与生物医学机器人实验室
-
出处
《传感器与微系统》
CSCD
2020年第6期139-142,共4页
-
基金
辽宁省自然科学基金资助项目(20180551056)。
-
文摘
为了提高基于表面肌电信号(sEMG)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。
-
关键词
表面肌电
特征提取
手势识别
降维
线性判别式分析
-
Keywords
surface EMG(s EMG)
feature extraction
gesture recognition
dimension reduction
linear discriminant analysis(LDA)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP212
[自动化与计算机技术—检测技术与自动化装置]
-
