基于LMS-随机森林的肌电信号下肢动作快速分类
表面肌电信号(sEMG)发生于动作之前,可以在动作活动时提前预测其活动意愿,但传统的分类方法往往存在实时性与准确性难以兼容的问题.为了使得肌电信号能够更好地运用于机器设备,提出一种LMS-随机森林肌电信号快速动作分类方法,对下肢动作屈髋屈膝、屈髋伸踝、屈膝屈踝、伸膝伸踝进行动作分类与模式识别.相比于传统的分类算法,研究只需采集动作前120 ms数据进行分类,利用LMS进行滤波,并且给原始数据赋予相应权重,其权重代表数据特征的重要程度,改善了传统表面肌电信号分类的实时性不足问题,为人体与外骨骼设备融合提供了解决方案.实验结果表明,相比于传统的支持向量机,反向传播神经网络等算法中,算法耗时间较短,速度为线性围栏法的7.8倍,具备较高的准确度与稳定性,识别精度为97.3％.
表面肌电信号、特征提取、肌肉选取、随机森林、运动信号识别
41
TH70(仪器、仪表)
国防科技创新特区18-H863-31-ZD-002-002-05
2020-11-16（万方平台首次上网日期，不代表论文的发表时间）
共7页
218-224
