基于在线SVM的自适应sEMG人机交互系统

针对sEMG人机交互中系统自适应能力差的问题,提出一种基于在线SVM(支持向量机)的自适应人机交互系统.该系统采用一种新的自适应样本更新策略,即在实时操作中通过SVM的增量训练算法对咀嚼肌单击和双击产生的sEMG样本进行在线学习,引入左右眼的视觉信息作为系统的反馈,采用Adboost算法来识别闭左眼和闭右眼,闭眼状态作为在线样本更新的校正信息.整个人机交互系统构成一个闭环控制系统,通过不断调节模型参数使得人机交互系统伴随sEMG信号的变化做相应的调整.实验结果表明:视觉信息的加入有效地避免了使用单一肌电信号进行人机交互时由于肌电信号缺乏可信信息而引起的误识别等问题,该系统便于操作,长时间人机交互中具有较好的可靠性和鲁棒性,不易受到外界因素的影响.