仪器仪表学报

作者：林 恒，李玉榕，施正义，朱菲菲

单位：林 恒,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械和医药技术重点实验室,,李玉榕,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械和医药技术重点实验室,,施正义,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械和医药技术重点实验室,,朱菲菲,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械和医药技术重点实验室,

关键词：肌肉收缩力;共空间模式;手势识别

基金：国家自然科学基金（61773124）、福建省自然科学基金（2019J01544）项目资助

为了减小肌肉收缩力变化对肌电信号模式识别的影响,提出了DCSP特征。该特征首先通过CSP算法得到最大化类与类之间距离的空间投影矩阵,然后对投影后的新信号进行差分和归一化处理,最终通过非相关线性判别分析将数据投影到类内距离最小、类间距离最大的低维空间而得到。在两个数据集上验证基于DCSP特征的肌电手势识别正确率,第1个数据集包含10名完整肢体受试者的数据,第2个数据集包含9名上肢截肢者的数据。在识别率测试的4个方案中,DCSP特征的识别正确率均高于CSP特征,在全部力训练,全部力测试的方案上取得最高的识别率(数据集1:95.83%,数据集2:86.93%),相比CSP特征(数据集1:89.01%,数据集2:70.03%),分类准确率分别提升6%和16%。在特征空间分布的2个测试方案上,DCSP特征比CSP特征都具有更小的类内距离和更大的类间距离。相比较于其他研究的识别正确率,DCSP特征比现有的力度鲁棒特征提升了约5%(数据集1)和8%(数据集2),并且性能不依赖于分类器类型。

来源：2022年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第5期