论文部分内容阅读
研究了基于松散小波神经网络及能量比法的表面肌电信号分类原理和方法，提出利用小波包变换获得表面肌电信号各频段系数，并将化简处理后的能量比值作为特征向量输入后续的松散型小波神经网络用于分类表面肌电信号的方法，搭建了虚拟识别系统平台，进行了详细的实验研究。仿真结果表明：松散型小波神经网络及能量比法能够有效的从桡侧腕屈肌和总指伸肌采集的肌电信号中识别握拳、松拳、腕外展、腕内收4种运动模式，具有较高的识别率（90％以上）。