基于HMM的表面肌电信号模式分类 (2008年)

【文件属性】：
文件名称：基于HMM的表面肌电信号模式分类 (2008年)
文件大小：74KB
文件格式：PDF
更新时间：2021-04-22 00:31:49
自然科学 论文 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．