换一批基于自回归模型和学习矢量量化神经网络的手指动作识别
Motion Identification of Finger Based on Auto-regressive Model and Learning-vector-quantization Neural Network
摘要手指的力量和动作是反映手指协同运动、评价手部运动机能的重要参数.本文提出了一种以自回归(Auto-regressive,AR)模型和学习矢量量化(Learning Vector Quantization,LVQ)网络相结合的表面肌电信号处理方法.13名受试者参与了目标力量为4N、6N、8N等三个力量等级的指力跟踪实验,对指力信号和前臂指浅屈肌(flex digitorum superficials,FDS)、指伸肌(extensor digitorum,ED)的表面肌电信号进行了同步记录;通过对采集到的肌电信号进行预处理,提取AR系数作为其特征值;然后设计了一个LVQ神经网络,对同等力量水平下食指、中指的动作进行模式分类,分类正确率在80%以上.实验表明,表面肌电信号(surface Electromyography,sEMG)与手指动作具有相关性,使用AR结合LVQ的sEMG有较高的识别率.
更多相关知识
关键词
表面肌电手部运动功能自回归模型神经网络surface electromyographyfinger motion functionauto-regressive modelneural network
栏目名称
发布时间
2009-12-21（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
