基于小波包与支持向量机的复杂信号模式识别

被引：20

作者：

崔建国 ^{[1
]}

李一波 ^{[2
]}

李忠海 ^{[2
]}

刘建民 ^{[3
]}

徐心和 ^{[1
]}

机构：

[1] 东北大学信息科学与工程学院

[2] 沈阳航空工业学院自动化学院

[3] 沈阳飞机设计研究所机电系统部

来源：

数据采集与处理 | 2008年 / 02期

基金：

中国博士后科学基金;

关键词：

表面肌电信号; 小波包变换; 支持向量机; 模式识别;

D O I：

10.16337/j.1004-9037.2008.02.019

中图分类号：

TP391.4 [模式识别与装置]; TP18 [人工智能理论];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ; 0812 ; 0835 ;

摘要：

为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量。利用"一对一"的分类策略和二叉树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%。实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力。

引用

页码：163 / 167

页数：5