基于经验模态分解-小波包变换的表面肌电信号手势识别

为了提高表面肌电信号（sEMG）手部运动识别的正确率,比较常规的sEMG预处理和特征提取方法,提出一种基于经验模态分解（EMD）和小波包变换（WPT）的sEMG手势识别模型。首先,使用EMD方法将sEMG进行平稳化,得到一系列的固有模态函数。其次,求取各个固有模态函数与原始信号的相关性,选取相关性较高的前4个分量作为有效分量。然后,采用Db3小波函数进行WPT,提取小波包系数中的平均能量、平均绝对值、最大值、均方根和方差等特征。分别采用线性判别分析和支持向量机对12种手部运动进行模式识别。结果表明基于EMD和WPT的sEMG手势识别正确率比直接提取小波包系数中的特征识别正确率高。     

基于表面肌电信号的性别差异性手势识别

对于同一手势不同性别的表面肌电信号差异性较大。为了减小差异性,提出滑动平均能量与能量补偿相结合的方法。本实验共采集10种手势动作的表面肌电信号;利用滑动平均能量对活动段进行检测,并对女性的动作段进行能量补偿;小波包分解采用Db4、Bior3.2、Haar、Sys8、Dmey这5种小波函数提取特征;最后并通过粒子群优化支持向量机进行分类。结果分析表明,能量补偿增大了特征的辨识度,减小了性别差异性,提高了手势识别率。     

基于WER-PCA的肥心病心杂音特征提取算法研究

目的为便捷有效地识别肥心病心音与正常心音,针对心音信号研究基于WER-PCA的肥心病心杂音特征提取算法。方法采集168例正常心音信号和194例肥心病心音信号,应用小波变换获得10维重构信号,应用主成分分析筛选出肥心病心杂音频段对应的小波分解特定层,提取心杂音频段的能量百分比,将其与正常心音的差异度相组合作为肥心病心音特征。结果对比正常心音与肥心病心音主成分构成元素,筛选出肥心病心杂音频带范围为86.15～689.05Hz;对正常心音和肥心病心音进行识别,差异度结合能量的识别特征,其最优识别正确率为95.3%。结论该算法能有效提取肥心病心杂音特征以识别肥心病。