典型文献
sEMG多特征融合的自适应神经网络下肢运动意图识别研究
文献摘要：
针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别.采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取时域、小波变换和样本熵的原始特征参数.对原始特征进行主成分分析,降低特征维度,使用改进的差分进化算法优化各个特征的权重值;针对传统BP神经网络梯度下降法收敛速度慢的问题,使用动态自适应学习率的神经网络算法代替传统BP神经网络识别方法,既提升了模型的收敛速度,又提高了运动意图识别的准确率.实验结果表明,采用多特征融合的自适应神经网络模型识别8种下肢运动意图,平均识别准确率达到94.89％,比单特征的BP神经网络方法识别准确率提高10％以上,动作的识别时间只需要280 ms.该方法在300 ms内可实现对下肢动作的识别,能够达到运动意图识别的要求.
文献关键词：
下肢运动意图识别;多特征融合;动态自适应神经网络;特征提取;下肢表面肌电信号;差分进化算法;小波分析;主成分分析
中图分类号：
作者姓名：
刘瑞恒;张峻霞;钱芊橙
作者机构：
天津科技大学 机械工程学院,天津 300222;天津市轻工与食品工程机械装备集成设计与在线监控重点实验室,天津 300222
文献出处：
引用格式：
[1]刘瑞恒;张峻霞;钱芊橙-.sEMG多特征融合的自适应神经网络下肢运动意图识别研究)[J].现代电子技术,2022(07):33-40
A类：
下肢运动意图识别,动态自适应神经网络
B类：
sEMG,多特征融合,识别准确率,神经网络算法,准确识别,下肢动作,小波基函数,降噪处理,小波变换,样本熵,差分进化算法,算法优化,权重值,梯度下降法,收敛速度,速度慢,自适应学习率,模型识别,神经网络方法,方法识别,ms,下肢表面肌电信号,小波分析
AB值：
0.13661
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
