科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对表面肌电信号单一特征进行动作意图识别准确率低的问题，提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法，实现8种下肢运动意图的准确识别。采集8种下肢动作的表面肌电信号，利用小波基函数对原始信号进行降噪处理，提取时域、小波变换和样本熵的原始特征参数。对原始特征进行主成分分析，降低特征维度，使用改进的差分进化算法优化各个特征的权重值；针对传统BP神经网络梯度下降法收敛速度慢的问题，使用动态自适应学习率的神经网络算法代替传统BP神经网络识别方法，既提升了模型的收敛速度，又提高了运动意图识别的准确率。实验结果表明，采用多特征融合的自适应神经网络模型识别8种下肢运动意图，平均识别准确率达到94.89%，比单特征的BP神经网络方法识别准确率提高10%以上，动作的识别时间只需要280 ms。该方法在300 ms内可实现对下肢动作的识别，能够达到运动意图识别的要求。
- 单位
