排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
基于递归量化分析的表面肌电特征提取和分类 总被引:3,自引:0,他引:3
利用展拳、握拳和腕屈、腕伸时从前臂分别检测的两路表面肌电(surface electromyography,SEMG)信号,对四种动作进行了分类研究.先采用移动平均法(moving average,MA)和一阶差分法确定SEMG信号中对应的每个动作波形的起止点,再利用递归量化分析(recurrence quantification analysis,RQA)方法提取各种动作波形的非线性特征参量(确定率、递归率等),由两路SEMG信号的这些特征参量构成特征矢量,输入BP(back propagation)神经网络,完成对不同动作的分类.研究结果表明,将利用递归量化分析得到SEMG信号的几种非线性参量作为特征值,对不同动作进行分类能够获得较高的分类准确率. 相似文献
1