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