独立主成份ICA在表面肌电信号特征提取中的应用研究

由于表面肌电信号非线性的特点,传统的线性PCA只具有处理二阶统计特性的能力,而忽视了高阶统计特性进而对信号的特征分析不够全面。独立主元分析(ICA)具有高阶统计分析和不用考虑过程数据分布的优点,而且能够以较少的特征元素来表征数据的非线性特性。为此,本文提出基于独立主成份ICA和SOM聚类算法相结合的新方法,对前臂的掌长肌、肱桡肌和尺侧腕屈肌三块肌肉的肌电信号进行特征提取,经实验发现,6种手部运动模式(握拳、展拳、内旋、外旋、屈腕、伸腕)的数据元素经SOM算法聚类后,每种运动模式都会形成自己特有的簇(或者类),可以有效地进行手部动作的模式识别。