基于WPKPCA和SVM的SEMG动作识别方法
为了有效提取表面肌电信号SEMG(Surface Electromyographic)的特征，更好的识别人体上肢运动模式，提出了一种小波包核主元分析(WPKPCA)和支持向量机(SVM)相结合的新方法。通过虚拟仪器采集桡侧腕屈肌和肱桡肌两路表面肌电信号，应用小波包核主元分析法对表面肌电信号进行特征提取，采用支持向量机对表面肌电信号特征数据进行分类识别。实验结果表明，采用此方法能够从表面肌电信号中识别出握拳、展拳、手腕内翻和手腕外翻4种动作，更能有效提取表面肌电信号信息，动作识别率高达98%。
文件下载
评论信息
其他资源
- stm8S103控制TM1650
- BD-rate的Excel计算法
- Android测试网速源码
- TRACE32-安装和使用
- 开题报告 毕业论文 库存管理系统
- 雷达系统导论 第3版 [（美）斯科尼克 著] 2014年版
- jboss-5.0.1.GA.zip
- 逻辑回归贝叶斯SVM实现情感分析
- State Estimation for Robotics-A Matrix Lie Group Approach
- 凯元工具（Solidworks外挂含激活软件）.rar
- opengl绘制3维网格线,曲面
- OneNET平台EDP协议C语言SDK
- R-Studio+注册码(珍藏版)
- HCIA-Transmission_V2.0_培训材料.zip
- 视频H265编码.pdf
- iOS移动端开发面试题
- 大学排名爬虫
- 人力资源管理系统
- Freebase-FB15k
- spring boot+mybatis+thymeleaf+apache shiro开发面向学习型的后台管理系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明