论文部分内容阅读
肌音信号(MMG)是肌肉收缩时肌纤维侧向振动的力学反映。本文研究肌音信号作为假肢手控制源辨识多个手部动作的可行性。分别提取了12个受试者完成手抓、放和腕曲、伸动作的2通道肌音信号。对信号的小波包交换矩阵进行奇异值分解，采用一种距离测度选择类问分离度较大奇异值作为线形分类器输入特征。并将小波包时频表达方法和短时付立叶变换、平稳小波变换、S变换的性能作了比较．结果显示四种信号表达方法均能有效提取肌音信号特征，辨识不同动作，其中小波包变换的性能最佳，平均分类准确率达89．7％。研究表明肌音信号可以作为一种有效的假肢手等康复医学设备和人机接口的控制信号。