李林伟
- 作品数：5 被引量：20H指数：3
- 供职机构：河南理工大学电气工程与自动化学院更多>>
- 发文基金：博士科研启动基金国家自然科学基金更多>>
- 相关领域：医药卫生自动化与计算机技术电子电信更多>>
- 基于小波包主元分析的表面肌电信号特征识别被引量：2
- 2015年
- 针对表面肌电信号(SEMG)的非平稳性及小波包变换系数维数过高的问题,提出一种小波包主元分析和线性判别分析相结合的表面肌电信号动作特征识别新方法。以表面肌电信号用于智能轮椅为例,对采集到的两路SEMG信号进行小波包主元分析,提取SEMG信号的运动特征矩阵,并将运动特征矩阵输入到线性判别分类器进行分类,实现了前臂动作识别。试验表明:该方法能够将小波包系数矩阵由16维降到4维,并且对前臂的四种动作模式(握拳、展拳、手腕内翻和手腕外翻)的平均正确识别率达98%,与传统的小波包变换相比有较高的识别率。
- 王红旗李林伟毛啊敏
- 关键词：表面肌电信号线性判别分析
- 基于支持向量机的表面肌电信号动作模式识别被引量：5
- 2014年
- 为更好地将表面肌电信号应用于智能轮椅的人机接口,提出了一种基于SVM的表面肌电信号动作模式的识别算法。采用一对一的方式构造SVM多值分类器,按照投票原则确定测试样本的类别归属,并与动作模式识别的核fisher算法和RBF神经网络算法进行了对比分析。实验结果表明,支持向量机(SVM)算法识别率更高,可以取得理想的学习效果和泛化性能,很好地解决小样本、非线性及局部极小值问题。
- 李林伟王红旗姜磊
- 关键词：支持向量机表面肌电信号
- 基于小波包的表面肌电信号特征表示与识别被引量：5
- 2015年
- 为提高智能轮椅人机接口中表面肌电信号的正确识别率和识别效率,主要研究了基于小波包多尺度分解的特征表示及识别。把采集的表面肌电信号在指定尺度及核函数的同一组正交小波包基下进行分解,用小波包多尺度分解的系数构造表面肌电信号的特征基向量。考虑到多通道表面肌电信号可能存在特征信息冗余,为消除这些冗余信息,对多通道表面肌电信号的特征空间通过正交规范化进行重构,并且用重构特征向量的对偶坐标向量作为表面肌电信号的最终特征表示。用非线性自回归神经网络实现了双通道表面肌电信号四种不同动作模式的分类。实验结果表明,小波包多尺度分解系数的重构对偶坐标向量不仅可作为表面肌电信号的特征表示,并能有效简化分类器的结构。
- 王红旗李林伟毛啊敏
- 关键词：表面肌电信号人机接口模式识别
- 手腕表面肌电信号的动作特征表示与识别被引量：6
- 2015年
- 为提高智能轮椅人机接口中表面肌电信号的正确识别率和识别效率,研究了基于小波包多尺度分解的特征表示和模式识别方法。首先把采集的表面肌电信号进行小波包分解,然后用小波包系数构造特征基向量。然后,根据小波包系数与表面肌电信号能量之间的内在联系重构了特征向量。最后用非线性自回归神经网络实现了双通道表面肌电信号四种不同动作模式的分类。实验结果表明,用小波包系数重构的特征基向量可作为表面肌电信号的动作特征,并能有效的简化分类器的结构。
- 王红旗李林伟毛啊敏
- 关键词：表面肌电信号人机接口模式识别
- 基于线性判别分析的表面肌电信号特征识别被引量：3
- 2015年
- 通过虚拟仪器同时采集桡侧腕屈肌和肱桡肌两路表面肌电信号,取其平均绝对值(MAV)和均方根(RMS)作为特征参数,并应用线性判别分析(LDA)方法对采集的样本进行模式识别。与其它特征识别方式的实验对比表明,所提的识别方法能够成功地从表面肌电信号中识别握拳、展拳、手腕内翻和手腕外翻4种动作,且动作识别精度更高。
- 王红旗毛啊敏李林伟
- 关键词：表面肌电信号线性判别分析模式识别虚拟仪器
