换一批摘要针对从原始加速度数据中提取肌音信号以及实现基于肌音信号对 6种常见人体下肢活动的分类问题,提出了一种基于特征模态分解算法的肌音信号滤波降噪方法,以及一种肌音信号时频域特征提取方法和基于核主成分分析的特征集降维方法,还有一种基于融合注意力机制的时域卷积网络下肢活动分类方法.分析显示,通过特征模态分解算法得到的肌音信号的包络熵值最小,仅为 8.13,这表明特征模态分解能够高效地提取肌音信号并去除随机噪声.此外,通过特征模态分解算法得到的肌音信号的功率谱密度与原始信号相比,在运动伪迹所在低频频段下降明显,在肌音信号所在频段下降最少,这表明特征模态分解能够高效去除伪迹干扰,同时保留最多的肌音信号数据.针对基于肌音信号对 6种常见人体下肢活动的分类问题,采用一种全面的特征提取策略,从 16路肌音信号中提取了 448种特征,并通过核主成分分析对特征集进行降维处理,还构建了一个融合注意力机制的时域卷积网络,以实现对分类模型的训练.另外,通过应用正-余弦北方苍鹰优化算法对网络进行超参数优化,分析显示所提出的模型在分类准确度方面表现出色,达到了98.4%.
更多相关知识
关键词
信号处理肌音信号特征模态分解注意力机制时域卷积模型人体运动分类signal processingmechanomyographyfeature mode decompositionattention mechanismtempor-al convolutional networkclassification of human activity
分类号
R318（医用一般科学）
栏目名称
DOI
10.15918/j.tbit1001-0645.2025.054
发布时间
2025-12-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
智元实验室开放基金项目（ZYL2024017a）
江苏省研究生创新项目（KYCX23-0512）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
