【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于LDA算法的表面肌电信号识别方法，用以识别多达八类的抓握手势。本专利技术百先仅利用两枚肌电电极从受试者前臂相关肌肉处采集相应手势的表面肌电信号，然后以重叠加窗的方式分割原始肌电信号，从各个窗中提取绝对均值(MAV)、方差(VAR)和4阶AR系数作为原始肌电特征;再利用LDA算法对原始肌电特征进行降维，最大限度地去除冗余信息并保留有用信息，获得降维后特征;然后对前后相邻窗口的降维特征求平均值，再输入LDA分类器，实现八类抓握手势的有效识别。本专利技术针对多类手势的肌电信号识别率高，且整个信号处理过程计算简单，耗时少，满足肌电控制系统的实时性要求。【专利说明】基于LDA算法的表面肌电信号识别方法
本专利技术涉及模式识别领域，特别涉及在多类抓握手势的情形中，对表面肌电信号的判断识别，可应用于控制肌电假手以及其他人机交互接口。
技术介绍
表面肌电信号(surface electromyography, sEMG)是一种与神经肌肉活动相关的生物电信号。当运动指令经由神经中枢系统传导至相关肌纤维时，会引起肌纤维上电位变化并发生肌纤维...
【技术保护点】
基于LDA算法的表面肌电信号识别方法，其特征在于，该方法包括如下步骤:步骤1，清洁皮肤，刮除所选肌肉处表皮的汗毛，用清水洗净并用棉签蘸取医用酒精擦拭皮肤;步骤2，采集受试者前臂表面肌电信号，受试者做出圆柱抓取、钩取、侧边捏取、指向、球形抓取、三指捏取、精确捏取和放松姿态八类抓握手势，使用两枚肌电电极获取各手势的肌电数据并存储。步骤3，对肌电信号进行加窗分割，对各手势原始肌电数据采用重叠加窗的方式进行分割，得到窗口样本。此处窗口长度定义为250ms，窗口增量为50ms。步骤4，计算窗口样本的肌电特征，选择绝对均值、方差和4阶AR系数计算窗口样本的肌电特征，所述绝对均值、方差和...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。