基于遗传算法优化支持向量机的肌电信号步态识别方法技术

本发明专利技术涉及一种基于遗传算法优化支持向量机的下肢肌电信号步态识别方法。本发明专利技术通过遗传算法，对支持向量机的惩罚参数和核函数参数进行优化，从而优化支持向量机性能，提高支持向量机对基于肌电信号的下肢运动步态识别效率和准确率。首先，采用小波模极大值去噪方法对采集的下肢肌电信号进行消噪处理；其次，提取消噪后肌电信号的时域特征，形成特征样本；再次，利用遗传算法优化支持向量机参数，得到误差最小的一组最优参数，并利用此参数构造分类器；最后，把特征样本集输入优化后的分类器进行步态识别。本发明专利技术操作简单，计算快速，识别率高，在人体下肢运动步态识别领域具有应用价值和广阔前景。

【技术实现步骤摘要】

本专利技术属于模式识别
，设及一种肌电信号的识别方法，特别设及一种基 于遗传算法优化支持向量机的肌电信号步态识别方法。
技术介绍
下肢步态是人体在行走过程中，双腿所表现出的姿势和状态，具有周期性、连续性 和重复性等特点。人体运动过程中，从一侧脚跟着地到该侧脚跟再次着地的时间为一个完 整的步态周期，并且可W根据脚是否触地分为两个时期；脚触地为支撑期，脚离地为摆动 期。对人体步态进行识别研究，主要通过采集下肢运动有关信息，并对信息进行解码分析， 准确地还原下肢运动所处的步态阶段，从而完成步态的实时识别。运动信息主要包括压力 信息、关节角度信息W及肌电信息巧lectromyograpy，EMG)等。 利用EMG信号对肢体动作进行识别研究，已有20多年的历史，随着模式识别技术 的进步，已经取得多项进展。如Wang等人使用离散小波包变换对EMG信号在时域内进行分 解并提取特征，利用遗传算法（Genetic Algorithm, GA)选择特征，最后应用BP神经网络 炬P Neural Network，BPNN)对4类手部动作进行识别，取得了较高的准确率。Song等人采 用模本文档来自技高网...

【技术保护点】
基于遗传算法优化支持向量机的肌电信号步态识别方法，其特征在于，该方法具体包括以下步骤：步骤(1)，下肢运动肌电信息获取；步骤(2)，提取消噪后肌电信号特征向量样本集；步骤(3)，通过GA对SVM进行参数优化，得到最优SVM分类器，实现下肢肌电信号的步态分类与识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：高发荣，郑潇，许敏华，甘海涛，罗志增，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33