利用神经网络进行人手动作表面肌电信号的识别研究

为了更好地识别人手动作的肌电信号,采用基于小波包分解与主成分分析结合的特征提取方法,并利用粒子群优化Elman神经网络的模式分类方法。选择“db”系小波对肌电信号进行多尺度分解,并结合主成分分析法,选用累计贡献率大于98.6%的十个主成分作为特征向量,输入优化神经网络进行网络训练,实现对人手抓取动作的模式识别。实验结果表明,与传统神经网络仿真结果对比,采用粒子群算法优化Elman神经网络不仅能提高系统稳定性问题,而且能提高人手动作分类识别率,验证了该方法是一种可行的人手动作分类识别方法。

基于肌电信号人手动作模式分类方法的研究

表面肌电信号(surface electromyography,sEMG)应用于智能仿生假肢的研究一直是研究人员研究热点。在实验研究领域,肌电信号的模式识别已取得较好的分类效果,如何提高人手抓取动作特征识别成功率和减少模式识别计算速度等问题仍需解决。表面肌电信号研究包括人体肌电信号特征、肌电信号的采集、预处理、特征提取,特征分类等,本文主要比较各环节的优缺点,期望在特征提取、模式分类找出新的方法,为今后在解决人手动作识别率方法上提供了参考和依据。

欧洲创新创业教育对中职电子专业人才培养的启示

创新创业教育是推动学生就业乃至社会发展的重要途径,通过分析欧洲部分国家创新创业教育成功经验,针对福建省中职电子专业学生创新创业教育存在的问题,提出创新创业人才培养策略,旨在促进我省中职电子专业创新创业教育水平提升。