基于GA-RBF神经网络和sEMG的下肢动作识别方法研究

为了提高人体肌电信号对于下肢动作识别的准确率,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络分类模型。通过采集人体日常8种下肢动作的表面肌电信号并选择“sym6”系小波函数对肌电信号进行滤波预处理,使用主成分分析法(PCA)对时频域特征降维,把特征向量输入GA算法优化的RBF神经网络进行训练和识别。实验结果表明,该方法对同一受试者8种下肢动作的平均识别率为94.00%±0.45%;对15位不同受试下肢动作识别率达到89.30%,比传统BP神经网络的识别准确率提高11.8%,预测时间缩短6 s。所提出的方法为肌电信号应用于下肢智能康复机器人的意图识别研究提供参考,有助于病人的康复。