如需要完整文档点击下方 "点击下载文档" 按钮

表面肌电信号（sEMG）是一种不平稳非周期的微弱信号，基于时域和频域特征提取的 sEMG 信号分类方法识别率低、稳定性差。本文通过对 sEMG 信号能量核特征的建模分析，提出一种利用卷积神经网络（CNN）对 sEMG 信号能量核相图进行分类的新架构，来对人体手势动作进行识别。首先，利用矩阵计数方法将 sEMG 信号能量核相图处理为灰度图像；其次，利用移动平均对灰度图进行预处理；最后，采用 CNN 对手势 sEMG 信号进行识别。利用手势 sEMG 信号数据集进行了实验验证，结果表明选用 CNN 识别框架的有效性以及 CNN 结合能量核相图的识别方法相比于能量核面积提取方法，在识别精度和计算效率上具有明显的优势。本文算法为 sEMG 信号的建模分析与实时识别问题提供了新的可行方法。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于表面肌电信号能量核相图的卷积神经网络人体手势识别算法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：126322

点击下载文档