《基于支持向量机的表面肌电信号识别》由会员分享，可在线阅读，更多相关《基于支持向量机的表面肌电信号识别（4页珍藏版）》请在金锄头文库上搜索。
1、2 0 0 6 中国控制与决策学术年会论文集P r o c e e d i n g so f2 0 0 6C h i n e s eC o n t r o la n dD e c i s i o nC o n f e r e n c e3 2 1基于支持向量机的表面肌电信号识别杨鹏，陈玲玲，郭欣，赵琦( 河北工业大学电气与自动化学院，天津3 0 0 1 3 0 )摘要：研究了面向下妓表面肌电信号的识别方法，将支持向量机的方法引入肌电信号的攫式识别中曾先，对肌电信号进行积处理利用小渡包变换去路信号噪声，特各麸轰谱的功卓作为特征向量，组赢特征编码 其次，利用支持向量机判定肌电信号对应的路况，同时与
2、L V O 神经甩络作为分类毒时的分类结果相比较 曩后，通过实验袭明支持向量机算法具有较好的分类效秉对于下胜肌电候胜的控制具有良好的研究前晕关链词：表面肌电信号；小渡包分析；支持向量机；特征向量；模式识别S u r f a c eE l e c t r o m y o g r a p h yR e c o g n i t i o nM e t h o dB a s e do nS u p p o r tV e c t o rM a c h i n eY A N GP e n g ，C H E NL i n g 一丘”g ，G U OX i n ，Z H A OQ i( S c h 。lo fE
3、 l e c t r i c a lE n g i n e e r i n ga n dA u t o m a t i o n ，H e b e iU n i v e r s i t yo fT e c h n o l o g y ，T i a n j i n3 0 0 1 3 0 ，C h i n a C o r r e s p o n d e n t lC H E NL i n g l i n g - E m a i l ；o u l a n l i n g 1 2 6 e o m )A b s t r a c t ；As u r a c ee l e e t r o m y o g r
4、a p h ys i g n a lr e c o g n i t i o nm e t h o db a s e do Hs u p p o r tv M t o rm a c h i n ew a sp r e s e n t e d F i r s t l y ，t h es i g n a lW a Sp r e t r e a t e db yw a v e l e tp a c k e tt r a n s f o r m a t i o n ，a n dt h ee n e r g i e si nd i f f e r e n tf r e q u e n c yb a n d
5、 sw e r ee x t r a c t e dt ob ef e a t u r ec o d e s F i n a l l ys u p p o r tv e c t o rm a c h i n ew a su s e dt Od e c i d et h et e r r a i n sa c c o r d i n gt ot h es u r f a c ee l e c t r o m y o g r a p h y ，T h ee x p e r i m e n t a lr e s u l t si n d i c a t e dt h a tt h i sm e t
6、h o di ss h o w nt op e r i o r mv e r yw a l lhc l a s s i f i c a t i o nc a p a b i l i t yw h e nc o m p a r e dt ot h en e u r a ln e t w o r k sw i t hL V Qa p p l i e da sc l a s s i f i e r si nt h ea l g o r i t h m a n dh a d g r e a tp o t e n t i a li np r a c t i c a la p p l i c a t i
7、o no fa r t i f i c i a ll o w e rl i m b K e yw o r d s ：S u r t a c ee l e c t r o m y o g r a p h ys i g n a l ；W a v e l e tp a c k e ta n a l y s i s ! S u p p o r tv e c t o rm a c h i n e F e a t u r ev e c t o r P a t t e r nr e c o g n i t i o n 1 引言肌电信号( E M G ) 是多个运动单位活动时产生的电变化在时间和空间上迭加的结
8、果，可在一定的程度上反映神经肌肉的活动尤其是表面肌电信号( s E M G ) 。采集方便、无创伤、无痛苦的优点使其成为智能假肢的理想控制信号研究表明，同一人在相同路况下行走时，不同时同各肌肉E M G 的重复性很好；不同人的同一肌肉肌电信号幅值大小有差异，但在一个周期内的变化趋势十分相似 ”，因此，通过对下肢表面肌电信号的处理，可判定相应的路况信息，作为下肢肌电假肢的辅助控制信号肌电信号不仅是表面电极所触及的多个运动单元动作电位在时空上的迭加。而且还包括各种噪音信号，在形态上具有很强的随机性口 本文针对肌电信号的特性，引入分类效果受到广泛关注的支持向量机( s V M ) ，对平地和楼梯的地
9、况进行识别支持向量机可根据结构风险最小化原理自动学习问题模型的结构，它基于统计学习理论，具有坚实的理论基础、强泛化能力，分类精度高且可收敛至全局最优解的优点是真正意义上的结构可以岛动选择的学习机变结构的神经网络和决策树只是利用经验的启发式算法修剪结构，往往得不到最优结掏，而支持向量机只要通过改变一个控制参数即可连续调节模型复杂度和结构，并且这种调节是自动的实验结果表明，S V M 分类准确率高于传统的分类方法，可满足肌电假肢的控制需要蔫盒项目：国家自然科学基金项巨( 6 0 5 7 5 0 0 9 ) 作者简介：扬鹏( 1 9 6 0 一) ，男河北昌黎人教授博士，从事机器人控制、康复工程的研
10、究3 2 22 0 0 5 中国控制与决策学术年会论文集2 提取特征向量特征提取是模式识别中一个很重要的环节一个识别系统的识别能力与特征矢量的选取有直接关系对于肌电信号的识别来说，如何寻找有效的特征向量来表征肌电信号是路况模式识别的根本问题，对于模式识别闯题，从原始信号中提取有效的特征向量是非常重要的但是，对于大多数非平稳、时变的信号来说传统的提取方法效果并不理想小渡包变换( W P T ) 是从小波变换延伸出来的一种对信号进行更加精细的分析与重构的方法 3 】它将频带进行多层次划分，对小波变换投有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择响应频带，使之与信号频谱相匹配
11、，不仅对低频部分进行分解而且对高频部分也进行= 次分解，因此在医学信号与图像处理中具有重要作用r 4 j 尺度函数和小波函数存在着双尺度关系I o ) = ：h ( ) ( 2 z 一 ) ，三( 1 )【妒( 工) ；2 ：g ( 点) 庐( 2 士一五) e =f 脚( z ) ；压h ( k ) ( 2 x 一 ) ， IE 2( 2 ) k + 1 ( z ) = n 。g ( k ) p ：( 2 x 一 ) e ：式中：_ f o ( ) 为尺度函数( z ) ，一扛) 为小渡基函数曲( z ) 式( 2 ) 所定义的“o ) ，n = 2 l ，z = 0 ，1 ，称为正交尺度函
12、数o ) 的小渡包在信号处理中，基本小渡函数的选择非常重要，通过实验比较，选取了具有正交性、紧支性的D a u b e c h i e s 3 ( D b 3 ) 小波作为基函数进行3 级分解处理经3 层小波包分解后可得到信号在各频段内的特征信息即原肌电动作信号的能量被分解到2 3 个正交频带上选取各级频谱的功率E 作为特征向量 E j = I 南l2 ，J = 1 ，2 ，t ，( 3 )i - - I其中，= 8 ，将信号分解到8 个频带上小波包变换方法可克服传统肌电信号谱分析的不足，充分考虑了表面肌电信号在所有频段上的特征信息，有效地提取肌电信号不同节律的时变信息通过小波包分解，可有效提
13、取能够很好反应路况变化的肌电信号特征，为肌电信号的动态分析和路况识别提供鲁棒性好且易于识别的特征向量3支持向量机分类设给定的训练集为 ( z 。，y 。) 。( z 。，y ：) ，( ，Y 。) ) ，其中五P ，y 一1 ，1 ) 如果训练集中的所有向量均能由某超平面正确划分，并且距最近的异类向量之间的距离最大( 即边缘最大化) ，则该超平面为最优超平面，其中距离超平面最近的异类向量被称为支持向量( S V ) 该超平面记为J ) + 60 ，一组支持向量可唯一地确定一个超平面假定训练集中的向量满足M ( w 五十6 ) 1 ，f = 1 ，2 ，m ( 4 )由于S V 与超平面之间的距
14、离为1 川w0 。支持向量之间的距离为2 8 ”0 ，因此构造最优超平面的问题即转化为约束最小化同题：m i n E ( ) = n j I2 ，S t y , E ( w 而) + 6 1 ，i 一1 ，2 ，m ( 5 )引人L a g r a n g e 乘子，得到函数工( W ，b ，4 ) =告o W82 一q ( ( w x + 6 ) 一1 ) 。( 6 ) 。i - - I其中口为非负L 8 9 r a n g e 乘子根据最优化理论，存在唯一的最优解，最优解在该函数的鞍点处因为此时和6 的梯度为零所以可得W = q * 孙( 7 )i - - 1_a l y l x ；= 0
15、 ( 8 )。1 只有支持向量的系数口f 才可能是非零值，所以w 可表示为W 一畸蚺，( 9 )S V且对任意的支持向量，都有b = y l W z i ( 1 0 )由此，问题转化为_。 m a xw ( 口) = q 一告畸气卫M ( 量) ，i - - 1。Js t 吩O ，i = 1 ，2 ，。”F_ 螂r ；0 ( 1 1 )i - - 1最终得到分类函数，( z ) = s i g n ( 屯弘( 而，) + 6 ) ( 1 z )i - - I 上述是线性可分的情况，为了解决线性不可分的情况，引人惩罚因子C ，将式( 1 1 ) 中的约束条件q0 变为0 q C 将输入空同中的数
16、据映射到高维的霄空间，F 扬鹏等：基于支持向量机的表面肌电信号识别3 2 3采用核函效机制，最终的判别函数为，( z ) 一s i g n ( a , y 。K ( x l ，习) + 6 ) ， 0 1其中K ( 而，z j ) 一t ( 墨) 女( z ，)( 1 4 )为空间向量内积形式这样空间映射函数的具体形式无需已知，分类函数系数的计算只涉及到空间向量的内积选择不同形式的棱函效生成不同的支持向量机支持向量机要取得理想的效果，核函数的选取至关重要常用的核函数有：1 ) 线性核足( z ，x i ) = x T , x _ f ；( 1 5 )2 ) 多项式核五( 。z j ) 一( r x T z j + r ) 。；( 1 6 )3 )
