基于脑肌电信号融合的手部动作识别方法研究

摘要

针对同侧手部动作识别率低的问题,文中基于混合脑机接口思想提出一种脑肌电特征融合策略,首先同步采集3名受试者4类动作模式下的脑电和肌电信号并对其进行预处理,其次分别提取脑电信号时域统计量、AR模型参数和离散小波变换特征以及肌电信号的积分肌电值和样本熵特征,接着利用主成分分析和稀疏自编码将两者特征进行融合,最后将融合特征输入支持向量机进行动作分类.实验结果表明,基于脑肌电特征融合的动作模式平均分类准确率达到86.15％,显示了脑肌电融合策略在同侧手部不同动作模式分类中的有效性,为混合脑机接口发展提供技术支持.