摘要
本发明涉及一种基于sEMG的不同负载下手腕角度预测方法及装置,本发明首先采集手腕表面肌电信号以及手腕角度;通过梳状滤波器以及小波滤波对信号进行预处理,得到最优的表面肌电信号以及角度信号;提取手腕表面肌电信号的时域特征以及频域特征,分析两种特征性质并对其进行特征组合,得到最优的特征组合方式;利用PCA降维技术对组合特征进行处理,去除冗余特征,并进行信号同步化定位,完成信号的归一化处理;最后将得到的特征输入到经过遗传算法优化的极限学习机网络中,得到手腕角度的预测结果。本发明充分考虑时域和频域特征来实现特征组合,可以在复杂的坏境下准确读取手腕信息,实现人机交互识别。
- 单位