用小波和神经网络相结合的方法识别人体表面肌电信号

以MALTAB语言作为系统设计工具,将小波分析与神经网络相结合分析人体表面肌电信号。对SEMG信号的识别分为3个步骤:数据预处理,特征的提取,设计分类器分类。首先利用小波分析进行消噪,提取特征;然后采用BP神经网路进行分类、识别;最后通过对分类结果的分析与比较,证明小波与神经网络相结合是一种有效的表面肌电信号的模式识别方法。

二维相空间中肌电信息熵的计算

肌电信号的检测与分析对于临床诊断和康复工程具有重要的现实意义。从生理学角度上讲各种动作是肌肉的收缩产生的,同时伴有肌肉内部各运动单位电位的变化产生了肌电信号。通过对肌电信号一维时间序列的研究,发现其具备一定的混沌特性。信息熵是一个信息量的概念,在重构后的二维相空间中计算了各种肌电信号的信息熵,并对所得结果进行分析,确定了肌肉与动作之间的规律,此规律能为假肢的研究提供科学依据。