重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (12): 96-100.doi: 10.3969/j.issn.1674-8425(z).2019.12.014

• 智能技术 • 上一篇    下一篇

基于ＰＣＡ和ＥＬＭ的表面肌电信号手腕动作识别研究

景甜甜１，洪 洁２   

  1. １．安徽建筑大学 机械与电气工程学院，合肥 ２３０６０１；２．安徽江淮汽车集团股份有限公司，合肥 ２３０６０１
  • 收稿日期:2019-11-19 发布日期:2020-01-18
  • 作者简介:景甜甜，女，讲师，硕士，主要从事机器人方面研究，Ｅ-ｍａｉｌ：５４８５８３５３３＠ｑｑ．ｃｏｍ。
  • 基金资助:
    安徽省高校省级自然科学基金研究项目“欠驱动自适应柔性机器人手的研究与设计分析”（ＫＪ２０１８ＪＤ２４）

  • Received:2019-11-19 Published:2020-01-18

PDF (PC)

308

赞

摘要： 为提高手腕动作的识别率，提出了一种将主成分分析（ＰＣＡ）和极限学习机（ＥＬＭ）相结合的手腕动作肌电信号识别方法。该方法提取手腕４种动作（内翻、外翻、握拳、展拳）的肌电信号，运用小波变化提取小波特征构造特征矢量，利用ＰＣＡ算法对特征矢量进行降维，摒弃冗余信息，实现肌电信号特征参数的降维，最后运用ＥＬＭ对降维后的数据进行识别分类。实验结果表明：将ＰＣＡ和ＥＬＭ相结合的方法有着更高的手腕动作识别率，验证了该方法的可行性。

关键词: 表面肌电信号, 模式识别, 主成分分析, 极限学习机

中图分类号: 

  • Ｒ３１８．０