小波变换在表面肌电信号分类中的应用

被引：14

作者：

蔡立羽

王志中

张海虹

机构：

[1] 上海交通大学生物医学工程系!上海

来源：

生物医学工程学杂志 | 2000年 / 03期

关键词：

小波变换; 奇异值分解; 人工神经网络; 肌电信号;

D O I：

暂无

中图分类号：

R312 [医用物理学];

学科分类号：

1001 ;

摘要：

针对肌电信号的非平稳特性 ,采用小波变换方法对表面肌电信号进行分析。通过奇异值分解有效地提取信号特征进行模式识别 ,能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂内旋、前臂外旋四种运动模式。实验表明 ,基于小波变换的奇异值分解方法是一种稳定、有效的特征提取方法 ,为非平稳生理信号的分析提供了新的手段。

引用

页码：281 / 284

页数：4

共 8 条

[1]

Wavelets and signal processing. Roiul O,Vetterli M. IEEE Signal Processing Magazine . 1991

[2]

Physiology and mathematics of myoelectric signals. Deluca C. IEEE Transactions on Biomedical Engineering . 1979

[3]

Function separation of EMG signals via ARMA identification methods for prosthesis control purposes. Graupe D,Cline W. IEEE Transactions on Systems Man and Cybernetics . 1975

[4]

小波分析导论[M]. 西安交通大学出版社 , (美)崔锦泰(CharlesK.Chui)著, 1995

[5]

Comparison of SVD methods to extract the foetal electrocardiogram from cutaneous electrode signals[J] . D. Callaerts,B. Moor,J. Vandewalle,W. Sansen,G. Vantrappen,J. Janssens. &nbspMedical & Biological Engineering & Computing . 1990 (3)

[6]

The application of neural networks to myoelectric signal analysis: a preliminary study. Kelly M,Parker P,Scott R. IEEE Transactions on Biomedical Engineering . 1990

[7]

Some aspects of nonstationary myoelectric signal processing. Xiong F,Shwedyk E. IEEE Transactions on Biomedical Engineering . 1987

[8]

Biosignal pattern recognition and interpretation systems. Ciaccio E,Dunn S,Akay M. IEEE Engineering in Medicine and Biology Magazine . 1993

← 1 →