通过虚拟仪器同时采集桡侧腕屈肌和肱桡肌两路表面肌电信号,取其平均绝对值(MAV)和均方根(RMS)作为特征参数,并应用线性判别分析(LDA)方法对采集的样本进行模式识别。与其它特征识别方式的实验对比表明,所提的识别方法能够成功地从表面肌电信号中识别握拳、展拳、手腕内翻和手腕外翻4种动作,且动作识别精度更高。
1
肌电信号数据库,可用于肌电信号分析等相关实验的程序测试
2021-09-28 17:08:34 13.77MB researchkgo 肌电数据库 肌电信号 肌电
行业分类-电信-一种基于脑肌电信号反馈控制的智能家居设备.rar
delsys设备采集的表面肌电信号,16个手势动作,每个动作维持6s,休息4s,进行6次循环。类别标签通过最大面积法修正,效果较好。
2021-08-26 09:12:00 167.76MB sEMG 肌电信号
行业分类-电信-一种基于肌电信号的辅助发声方法及装置.rar
行业分类-电信-一种表面肌电信号的特征提取及动作模式识别方法.rar
基于深度学习模型的表面肌电信号手势动作识别算法研究.pdf
2021-08-20 01:40:06 1.12MB 深度学习 数据分析 数据研究 参考文献
行业分类-电信-基于子宫肌电信号识别宫缩的方法及装置.rar
行业分类-电信-基于延迟线的信号测量通道合并方法及系统.rar
行业分类-电信-基于遗传算法优化支持向量机的肌电信号步态识别方法.rar