基于肌电信号容错分类的手部动作识别

被引：15

作者：

丁其川 ^{[1
,2
]}

赵新刚 ^{[1
]}

韩建达 ^{[1
]}

机构：

[1] 中国科学院沈阳自动化研究所机器人学国家重点实验室

[2] 中国科学院大学

来源：

机器人 | 2015年 / 37卷 / 01期

关键词：

肌电信号; 数据丢失; 动作分类; 人机交互;

D O I：

10.13973/j.cnki.robot.2015.0009

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

针对肌电交互系统中因电极断开、损坏及数据传输中断等故障造成的数据错误/丢失问题,提出一种基于高斯混合模型的肌电信号容错分类方法,通过对肌电信号特征样本中错误/丢失数据边缘化或条件均值归错实现非完整数据样本分类.应用所提出的方法识别5种手部动作,实验结果表明,该方法的动作识别精度要高于传统的零归错与均值归错方法.最后,融合容错分类机制开发了肌电假手平台,在线实验验证了提出的方法可以有效提高肌电交互系统的鲁棒性.

引用

页码：9 / 16

页数：8

共 6 条

[1] 基于非线性特征的表面肌电信号模式识别方法 [J].

张启忠 ;

席旭刚 ;

罗志增 .

电子与信息学报, 2013, 35 (09) :2054-2058

[2] 基于预抓取模式识别的假手肌电控制方法 [J].

杨大鹏 ;

赵京东 ;

李楠 ;

姜力 ;

刘宏 .

机械工程学报, 2012, 48 (15) :1-8

[3] 基于文化算法的表面肌电信号特征选择 [J].

许璇 ;

谢洪波 ;

黄虎 ;

杨瑞凯 .

计算机应用研究, 2012, 29 (03) :910-912

[4] 基于触觉和肌电信号的假手模糊控制方法研究 [J].

罗志增 ;

杨广映 .

机器人, 2006, (02) :224-228

[5] Feature reduction and selection for EMG signal classification [J].

Phinyomark, Angkoon ;

Phukpattaranont, Pornchai ;

Limsakul, Chusak .

EXPERT SYSTEMS WITH APPLICATIONS, 2012, 39 (08) :7420-7431

[6]

sEMG-based continuous estimation of joint angles of human legs by using BP neural network[J] . Feng Zhang,Pengfeng Li,Zeng-Guang Hou,Zhen Lu,Yixiong Chen,Qingling Li,Min Tan.Neurocomputing . 2011 (1)

← 1 →