基于小波包与支持向量机的复杂信号模式识别

• 作 者: 崔建国 李一波 李忠海 刘建民 徐心和
• 机 构: 东北大学信息科学与工程学院,沈阳航空工业学院自动化学院,沈阳飞机设计研究所机电系统部
• 出 处: 数据采集与处理
• 发表日期: 2008年02期
• 关键词: 表面肌电信号 小波包变换 支持向量机 模式识别 surface electromyography（SEMG）wavelet packet transformat

为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量。利用"一对一"的分类策略和二叉树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%。实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力。