检索结果-南通市图书馆

Joint application of feature extraction based on EMD-AR strategy and multi-class classifier based on LS-SVM in EMG motion classification

引用

Journal of Zhejiang University-Science A(Applied Physics & Engineering) 2007年第8期8卷 1246-1255页

作者： YAN Zhi-guo WANG Zhi-zhong REN Xiao-mei Departmen of Biomedical Engineering Shanghai Jiao Tong University Shanghai 200030 China

This paper presents an effective and efficient combination of feature extraction and multi-class classifier for motion classification by analyzing the surface electromyografic(sEMG) signals. In contrast to the existing methods,considering the non-stationary and nonlinear characteristics of EMG signals,to get the more separable feature set,we introduce the empirical mode decomposition(EMD) to decompose the original EMG signals into several intrinsic mode functions(IMFs) and then compute the coefficients of autoregressive models of each IMF to form the feature set. Based on the least squares support vector machines(LS-SVMs) ,the multi-class classifier is designed and constructed to classify various motions. The results of contrastive experiments showed that the accuracy of motion recognition is improved with the described classification scheme. Furthermore,compared with other classifiers using different features,the excellent performance indicated the potential of the SVM techniques embedding the EMD-AR kernel in motion classification.

关键词： electromyografic signal Empirical mode decomposition (EMD) Auto-regression model Wavelet packet transform Least squares support vector machines (LS-SVM) Neural network

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：