一种基于WPT和LVQ神经网络的手部动作识别方法

摘要

针对表面肌电信号（SEMG）的手部动作识别,提出一种采用小波包变换（WPT）和学习向量量化（LVQ）算法的神经网络分类器.对SEMG信号进行基于熵准则的最优小波包基分解得到各个节点分解系数,计算信号各个节点相应子频段的系数能量,归一化处理后的特征向量输入LVQ神经网络,实现基于SEMG的手部动作识别.实验结果表明,采取两路SEMG信号,该分类器能有效识别伸腕、屈腕、展拳和握拳4种动作模式,达到96%的识别率,能可靠应用于2个自由度肌电假手的控制.