基于小波包组合特征和LMS-LSTM的表面肌电信号分类

为了利用表面肌电信号分类手势动作,创新地提出了结合时域和时频特征作为特征参数,即采用小波包系数和方差的组合特征。采用自适应滤波-长短时记忆网络(LMS-LSTM)结合的分类器,在设置电路滤波器一次滤波后,添加自适应滤波算法,对方差特征进行二次滤波。对5种手势动作进行分类识别,得到93.78%的分类识别率。采用主成分分析法(PCA)降维,仍保持92.68%的平均识别率,并达到优化结果。实验表明,LSTM分类结果高于传统线性判别和决策树算法。