傳統(tǒng)手勢識別設備很難同時滿足識別精度與便攜性的要求,同時,基于單一傳感器的手勢識別策略獲取的信息較少,識別結果易受各種因素的影響。而相較于傳統(tǒng)的搖桿控制方式,手勢控制方式更為便捷,并且可實現(xiàn)遠距離操作�；诖吮尘疤岢隽嘶诙嘣葱畔⑷诤系募‰娸喴沃悄芸刂萍夹g研究,設計了一套便攜式肌電信號與運動信息采集系統(tǒng),其中運動信息包括加速度信號和角度信號。利用極限學習機構建識別算法模型,優(yōu)化了融合分類結構,并以此識別結果控制輪椅運動。實驗結果表明:相較于單一傳感器手勢識別方案,識別準確率提升了6.1%～12.3%,達到了94.7%;相較于傳統(tǒng)模式識別方法,分類準確率提升了1.5%～6.0%,并且,輪椅控制系統(tǒng)的在線平均識別率達到了95.2%,滿足實時性要求。

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 系統(tǒng)總體流程
2 系統(tǒng)硬件設計
    2.1 肌電信號采集電路
    2.2 加速度信號與角度信號采集電路
3 系統(tǒng)軟件設計
    3.1 信號預處理部分
        3.1.1 肌電信號預處理
        3.1.2 加速度信號與角度信號預處理
    3.2 肌電信號特征提取部分
        3.2.1 肌電信號活動段提取
        3.2.2 肌電信號特征提取
            1)積分肌電值(iEMG)。
            2)均方根(RMS)。
            3)平均功率頻率(MPF)。
            4)中值頻率(MF)。
    3.3 加速度信號特征提取部分
        3.3.1 加速度信號活動段提取
        3.3.2 加速度信號特征提取
            1)均值。
            2)標準差。
            3)偏度。
            4)峰度。
    3.4 角度信號特征提取部分
    3.5 基于ELM的信息融合識別系統(tǒng)
        3.5.1 極限學習機(ELM)原理
        3.5.2 特征級信息融合結構
4 實驗與結果分析
5 結語



本文編號：3829793