排序方式: 共有14条查询结果,搜索用时 31 毫秒
1.
具有触滑觉功能的肌电假手 总被引:9,自引:0,他引:9
研制了一种可以感知触滑觉的智能假手.传感器采用有机压电(PVDF)材料为敏感元件,在传感器外表面贴有点阵状结构的橡胶表皮.当假手接触到物体时,传感器产生一个阶跃响应;当物体滑动时,导致点阵状结构表皮振动,产生交变的滑动响应信号.这样传感器可以检测并判断出触觉和滑觉信号.这种利用交变压电信号来判断滑动的方法,简单易行,反馈实时性高.实验表明,安装有这种传感器的假手可以安全地握取易碎或者比较柔软的物体,克服了传统假手的弊端,提高了仿生性能. 相似文献
2.
提出了一种以AR模型和BP网络相结合的表面肌电信号处理方法 .首先 ,将采集到的肌电信号进行预处理 ,提取AR系数作为其特征值 ;其次 ,设计了一个三层的BP神经网络 ,利用AR系数对手臂的各种肢体动作进行运动模式的分类 .实验表明 ,这种方法不仅减少了计算工作量 ,同时取得了比较理想的识别效果 . 相似文献
3.
针对运动想象脑电信号(EEG)识别中信号随时间的结构动态变化与网络分离整合过程被忽视等问题,提出一种基于多层时变功能脑网络的运动想象特征提取方法.本方法截取运动想象有效片段投入EEGLAB进行信号预处理;依据滑动窗口方法,设定合适长度与步长,将信号分成连续且部分重叠的时间窗口,将时间窗口截获的脑电数据生成多个脑网络,以节点间锁相值构建多层时变网络模型.首先通过多层时变网络不同层的网络拓扑分析与层间相似度量指标自适应确定其中核心网络层,提取其节点度和聚类系数用以描述网络空间功能连接;然后结合多层参与系数和多层聚类系数,描述脑电信号网络动态变化与分离整合特征,并组合两者成为多层时变脑功能网络特征向量,完成运动想象识别任务.用支持向量机识别的结果表明:基于所构建的网络特征向量分类准确率高达89.14%,高出对比所用的单层网络特征6.61%. 相似文献
4.
为消除多通道表面肌电信号采集时相互间的耦合串扰,提出一种新的处理方法.在权重估计的基础上,以待分离信号采样点数及维数总的最小计算复杂度作为优化因子.将小波变换和优化后的广义权重估计(OGWE)算法结合,利用小波分析降低观测信号中噪声的影响后作为独立分量分析(ICA)输入信号.从量能值、相关系数等多方面对优化算法与Fas... 相似文献
5.
基于HMM的表面肌电信号模式分类 总被引:9,自引:0,他引:9
按等时间间隔将表面肌电信号(SEMG)划分为不同的段,利用小波变换对其进行特征提取,借助隐马尔可夫模型(HMM)的动态建模能力来感知不同动作模式下SEMG的时变特性.具体应用时,先根据样本对各动作模式下的HMM进行训练,待各模型参数稳定后,再利用HMM对特征提取后的SEMG进行模式分类.实验结果表明:该方法具有很好的分类识别率.在6个手部动作识别中,上翻、下翻、内旋和外旋4种动作的识别准确率均在90%以上. 相似文献
6.
针对传统压缩传感一次性随机测量整幅图像所导致的存储量大、重建时间长等问题,提出了一种新的分块压缩传感重建算法.首先,将图像分割成一系列子块,分别将每个子块的所有列向量首尾连接起来构成原始信号;其次,将该信号经过稀疏变换后投影到观测矩阵上得到对应的观测值,再利用优化方法从这些观测中重建出信号;然后,分类每个重构子块的活动... 相似文献
7.
基于表面肌电信号的时频组合特征融合识别 总被引:1,自引:0,他引:1
为了克服单域、单特征描述的片面性,提出了一种时频组合特征提取及其融合的方法.选择基于时域的信号偏度和峭度、频域的功率谱比值、时频域的小波系数3个不同特征,并对各特征进行深入分析与处理.经BP网络的多级分类后,对其结果采用模糊积分进行证据源累积,并做出终裁.实验结果分析表明:利用时频组合特征融合后,肌电信号特征得到了较全... 相似文献
8.
针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号... 相似文献
9.
提出了一种基于基本尺度熵的表面肌电信号特征的提取方法.对动作持续阶段的信号进行基本尺度熵的计算,来获取肌电假手执行腕上翻、腕下翻、展拳和握拳4类动作时所对应的表面肌电信号特征.实验结果表明,通过这种方法获得的基本尺度熵能够聚集,在各自特定的范围内具有很好的类区分性,通过聚类可以有效地进行手部4种动作类别的区分. 相似文献
10.
基于排列组合熵和聚类分析的SEMG识别方法 总被引:1,自引:0,他引:1
针对表面肌电信号非线性、噪声强等特点,提出了一种基于排列组合熵和聚类分析的表面肌电信号识别方法.利用相邻数据复杂度计算出排列组合熵,将尺侧腕伸肌和尺侧腕屈肌2路肌电信号对应的排列组合熵构成的特征向量提供给基于距离测度的Mahalanobis距离分类器进行模式识别,成功识别了腕上翻、腕下翻、展拳和握拳4种动作信号,平均识... 相似文献