典型文献
基于GA-RBF神经网络和sEMG的下肢动作识别方法研究
文献摘要：
为了提高人体肌电信号对于下肢动作识别的准确率,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络分类模型.通过采集人体日常8种下肢动作的表面肌电信号并选择"sym6"系小波函数对肌电信号进行滤波预处理,使用主成分分析法(PCA)对时频域特征降维,把特征向量输入GA算法优化的RBF神经网络进行训练和识别.实验结果表明,该方法对同一受试者8种下肢动作的平均识别率为94.00％±0.45％;对15位不同受试下肢动作识别率达到89.30％,比传统BP神经网络的识别准确率提高11.8％,预测时间缩短6 s.所提出的方法为肌电信号应用于下肢智能康复机器人的意图识别研究提供参考,有助于病人的康复.
文献关键词：
下肢表面肌电信号;小波变换;运动识别;RBF神经网络;主成分分析
中图分类号：
作者姓名：
张鹏;张峻霞;刘瑞恒;Ahmed Mohamed Moneeb Elsabbagh
作者机构：
天津科技大学机械工程学院,天津 300222;艾因夏姆斯大学工程学院,开罗 11566
文献出处：
引用格式：
[1]张鹏;张峻霞;刘瑞恒;Ahmed Mohamed Moneeb Elsabbagh-.基于GA-RBF神经网络和sEMG的下肢动作识别方法研究)[J].中国生物医学工程学报,2022(01):41-47
A类：
下肢智能康复机器人
B类：
GA,RBF,sEMG,下肢动作,动作识别,径向基,神经网络分类,分类模型,sym6,小波函数,时频域特征,特征降维,特征向量,算法优化,识别率,识别准确率,意图识别,下肢表面肌电信号,小波变换,运动识别
AB值：
0.232872
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。
