SVM在表面肌电信号手部动作模式识别中的应用

摘要

肌电信号蕴含着丰富的神经肌肉运动信息,对肌电信号进行模式识别是实现肌电假肢控制的基础。特征提取是模式识别中关键的一环,模式识别效果与特征值的选取以及分类器的设计具有直接关系。支持向量机(SVM)是一种基于统计学习理论的机器学习方法。该方法可自动寻找出那些对分类有较好区别能力的支持向量,由此构造出的分类器对于小样本、非线性情况具有很好的分类效果。文章通过提取表面肌电信号小波变换系数绝对值的最大值与时频域其他特征值一起构成特征向量,设计了SVM分类器,对六种手部动作(握拳、伸掌、内旋、外旋、屈腕、伸腕)实现了分类,平均准确率达到97.5%,验证了SVM分类器对肌电信号动作模式识别的有效性。