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．