基于隐马尔可夫模型-径向基神经网络的表面肌电信号识别

被引：3

作者：

李芳 ^{[1
]}

王人成 ^{[1
]}

姜力 ^{[2
]}

刘宏 ^{[2
]}

朱德有 ^{[3
]}

机构：

[1] 清华大学摩擦学国家重点实验室智能与生物机械分室

[2] 哈尔滨工业大学机器人研究所

[3] 黑龙江工程学院

来源：

中国康复医学杂志 | 2006年 / 11期

关键词：

隐马尔可夫模型; 径向基神经网络; 表面肌电信号; 假手;

D O I：

暂无

中图分类号：

R318.04 [生物信息、生物控制];

学科分类号：

0831 ;

摘要：

目的:利用隐马尔可夫模型-径向基神经网络(HMM-RBFN)混合模型对7种手指动作进行辨识,探索控制HIT多自由度灵巧手的有效控制策略。方法:8例健康实验对象参加了试验,4例女性,4例男性。每例实验对象按提示完成7种手指动作,每种动作重复50次。通过表面肌电信号(sEMG)采集系统,提取实验对象前臂4块肌肉的sEMG,在对其进行预处理并提取小波变换特征向量后,分别送入HMM模型分类器及HMM-RBFN混合模型分类器进行训练。结果:HMM-RBFN混合模型识别效果和稳定性都大大优于HMM模型,验证了HMM-RBFN混合模型的有效性。结论:①HMM模型在sEMG识别中的效果没有其在语音信号识别中的好,有必要对其进行改进,以便更好的应用于sEMG的识别;②将HMM模型和神经网络组成混合分类器,可以弥补彼此的不足,获得更好的性能。

引用

页码：1016 / 1018

页数：3

共 5 条

[1] 人工神经网络在表面肌电信号辨识中的研究进展 [J].