特征与分类算法在基于肌音信号的头部运动分类中的对比研究

作者：章悦; 夏春明^*; 谢佳智; 刘爽

来源：数据采集与处理, 2020, 35(04): 711-719.

DOI：10.16337/j.1004-9037.2020.04.012

• 肌音信号
• 支持向量机
• 模式识别
• 特征组合

提取颈部肌肉的肌音(Mechanomyography,MMG)信号时域、时-频域和非线性动力学的15个常见特征,按照其性质分为5个特征集,并选择其中一部分构建高维特征矢量后进行主成分分析(Principal component analysis,PCA)降维处理,应用于头部动作的模式识别研究中。分别采用支持向量机(Support vector machine,SVM)、K近邻(K-nearest neighbor,KNN)和线性判别分析(Linear discriminant analysis,LDA)3种分类器,对6种头部动作(低头、抬头、左摆头、右摆头、左转头和右转头)的MMG信号进行分类。实验结果表明,选用时域、时-频域和非线性动力学特征组合的方式,以及使用SVM作为分类器,可使各类动作的分类精度均达到80%以上,从而获得相对较高的准确率。

• 单位
  华东理工大学