基于GABP的表面肌电信号下肢动作模式识别研究
崔冰艳,张祥,邓嘉
华北理工大学
2024-09-05
为了满足下肢康复机器人运动过程中对人体下肢不同动作模式的识别的需求,首先,通过8通道无线肌电传感器采集8种下肢常见动作的表面肌电(sEMG)信号,并对原始信号进行滤波、运动段提取、特征提取处理;然后,将处理后数据分别输入本文设计的BP、PCABP、GABP、PCAGABP分类器进行训练与测试。4种分类器对下肢8种动作平均识别率分别为88. 6 % ,90. 5 % ,92. 3 % ,95. 1 % ,对每个动作平均识别率为85 %以上。结果表明:基于GABP神经网络比BP神经网络具有更高的预测精度,并且降维 处理可以提高动作分类的准确率。
  • 表面肌电信号
被引用: 1454次
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引言

  • 1、数据采集与预处理

    • 1.1 实验设备

    • 1.2 实验过程

  • 2、数据处理过程

    • 2.1 降噪处理

    • 2.2 运动段提取

    • 2.3 特征提取

    • 2.4 特征降维

  • 3、分类器设计

    • 3.1 GA优化部分

    • 3.2 BP神经网络部分

  • 4、实验结果分析

  • 5、结论

核心点推荐
  • 表面肌电信号
  • 特征提取
  • 遗传算法
  • 反向传播神经网络
  • 模式识别