【摘要】：為了有效分析表面肌電(sEMG)信號蘊含的時-頻-空域多維特征,提出了一種基于張量線性拉普拉斯判別(TLLD)的sEMG特征提取方法.首先對sEMG信號做復Morlet小波變換,構(gòu)造具有時間、空間、頻率、任務(wù)的四階張量數(shù)據(jù);然后運用TLLD分析方法獲得投影矩陣,把訓練集和測試集分別投影在投影矩陣中獲得具有較大區(qū)分度的特征;最后使用分類器對腕屈、腕伸、上臂內(nèi)旋、上臂外旋、握拳、伸拳6種動作模式進行識別.實驗結(jié)果表明,所提方法平均分類準確率達到了98%以上,識別性能優(yōu)于均方根、自回歸系數(shù)、張量高階判別分析3種特征提取方法.
[Abstract]:In order to effectively analyze the time-frequency-spatial multidimensional features contained in the surface electromyography (sEMG) signal, a sEMG feature extraction method based on Zhang Liang linear Laplace discriminant (TLLD) is proposed. The fourth order Zhang Liang data with time, space, frequency and task are constructed by complex Morlet wavelet transform of sEMG signal, and then the projection matrix is obtained by using TLLD analysis method. The training set and the test set are projected into the projection matrix respectively to obtain the features with large differentiations. Finally, the classifier is used to identify six action patterns: wrist flexion, wrist extension, upper arm internal rotation, upper arm external rotation, grip fist, and extended fist. The experimental results show that the average classification accuracy of the proposed method is over 98%, and the recognition performance is better than that of RMS, autoregressive coefficient and Zhang Liang high order discriminant analysis.
【作者單位】： 杭州電子科技大學智能控制與機器人研究所;
【基金】：國家自然科學基金資助項目(61201302,61372023,61671197) 浙江省自然科學基金資助項目(LY15F010009)
【分類號】：TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 科卞;信號細微特征提取分析技術(shù)[J];電子科技大學學報;2000年02期

2 王菲;白潔;;一種基于非線性特征提取的被動聲納目標識別方法研究[J];軟件導刊;2010年05期

3 劉守生,丁勇,胡壽松;一種特征提取新方法[J];信號處理;1999年S1期

4 屈微,劉賀平;拓撲獨立分量分析在方言特征提取中的應用研究[J];電聲技術(shù);2005年05期

5 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡(luò)的特征提取方法及其在語種識別中的應用[J];計算機科學;2014年03期

6 柳革命;孫超;陳建莉;;基于局域判別基空間能量的特征提取[J];空軍工程大學學報(自然科學版);2008年01期

7 菅云峰,胡勇,李介谷,孫再龍;基于相位疊合的不變特征提取[J];紅外與激光工程;2000年01期

8 向陽,史習智;沖擊回波信號的波形結(jié)構(gòu)特征提取及分類研究[J];振動工程學報;2000年03期

9 樓天良;蔣惠忠;;一種適于高維時間序列的特征提取方法(英文)[J];浙江科技學院學報;2007年02期

10 楊日杰,李鋼虎,趙俊渭,姚藍;一種輻射噪聲的特征提取新方法[J];西北工業(yè)大學學報;2000年02期

相關(guān)會議論文 前3條

1 劉直芳;張繼平;游志勝;;有限制的MFA-ICA的算法及其在特征提取中的應用[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學術(shù)會議論文集[C];2004年

2 李麗君;黃思娟;吳效明;熊冬生;;基于ECOG的運動想象特征提取和分類[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術(shù)大會壁報展示論文[C];2010年

3 刁彥華;;基于小波變換模極大值的分析方法及其應用綜述[A];全面建設(shè)小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術(shù)年會論文集（上）[C];2003年

相關(guān)博士學位論文 前8條

1 段佳;SAR/ISAR目標電磁特征提取及應用研究[D];西安電子科技大學;2015年

2 馮博;雷達高分辨距離像特征提取與識別方法研究[D];西安電子科技大學;2015年

3 陳斌;連續(xù)語音識別特征提取與聲學模型訓練區(qū)分性技術(shù)研究[D];解放軍信息工程大學;2015年

4 王玉靜;滾動軸承振動信號特征提取與狀態(tài)評估方法研究[D];哈爾濱工業(yè)大學;2015年

5 郭苗苗;語言任務(wù)下腦電時頻網(wǎng)絡(luò)特征提取及在腦機接口中的應用[D];河北工業(yè)大學;2016年

6 唐濤;合成孔徑雷達圖像局部特征提取與應用研究[D];國防科學技術(shù)大學;2016年

7 高宇飛;基于張量分解的參數(shù)估計方法及其應用[D];電子科技大學;2017年

8 秦建華;經(jīng)絡(luò)電阻抗特性的特征提取及模式分類方法研究[D];北京郵電大學;2013年

相關(guān)碩士學位論文 前10條

1 袁芳兵;基于SVM的GSM系統(tǒng)上行干擾判定研究[D];華南理工大學;2015年

2 江海;心音信號特征提取及分類研究[D];昆明理工大學;2015年

3 梁致漢;基于EEG的腦機接口技術(shù)研究與實現(xiàn)[D];天津理工大學;2015年

4 劉雪勇;次聲信號特征提取與分類識別研究[D];中國地質(zhì)大學(北京);2015年

5 王琪;西洋樂器的音色識別[D];山東大學;2015年

6 張姣;雷達輻射源脈內(nèi)無意調(diào)制特征提取及識別[D];哈爾濱工業(yè)大學;2015年

7 王乃峰;基于深層神經(jīng)網(wǎng)絡(luò)的音頻特征提取及場景識別研究[D];哈爾濱工業(yè)大學;2015年

8 任鳳臣;便攜式心電檢測系統(tǒng)的設(shè)計[D];大連理工大學;2015年

9 江志興;脈象儀的校準和標準化研究[D];哈爾濱工業(yè)大學;2014年

10 秦梟;雜波下相參雷達距離多普勒域多維特征聚類與特征提取[D];國防科學技術(shù)大學;2013年

，

本文編號：2229654