论文部分内容阅读
采集人体表面肌电信号并进行有效模式识别,是多功能假肢研究的关键技术之一.本文研究肌电信号(EMG)的频域信息,以提取有效特征识别不同的手腕部动作.实验采集了8种不同的手腕动作的EMG信号.分别提取了EMG信号的时间序列模型(AR)、时域统计量(DT)、功率谱估计(PsD)、短时傅里叶变换(STFT)和互功率谱(CPSD)5种不同的特征向量,并采用支持向量机(SVM)对特征进行分类.通过特征分类正确率的分析比较,发现提取的信号频率特征能够有效地提高动作的识别率.