支持向量机在肌电信号模式识别中的应用

为了提高肌电信号多运动模式识别的准确性和实时性,提出了一种基于支持向量机的动作模式分类算法.在给出支持向量机的原理及其多类问题的基本算法基础上,着重介绍了两种改进的支持向量机多类识别算法,即有向无环图算法和基于先聚类后分类的二叉树算法,并比较了它们的优缺点.实验结果表明,针对前臂肌电信号的多运动模式分类,先聚类后分类的二叉树算法具有较高的分类准确性,更少的计算量,更好的实时性.     

一种消除表面肌电信号中工频干扰的方法

50Hz工频干扰是表面肌电信号的主要干扰源之一,消除工频干扰是表面肌电信号处理中的一项重要技术。该文将独立成分分析方法引入表面肌电信号处理领域,采用基于负熵判据的Fas-tICA方法消除表面肌电信号中的50Hz工频噪声。实验表明,该方法消除50Hz工频噪声效果显著,并且不会对表面肌电信号中除50Hz以外的其它频率成分造成影响。     

基于多核学习的下肢肌电信号动作识别

为了提高下肢肌电控制系统中多运动模式识别的准确性,提出一种基于多核学习(MKL)和小波变换尺度间相关性特征提取的多类识别方法.根据多核学习理论,采用二叉树组合策略构造基于多核学习的多类分类器.对下肢4路表面肌电信号进行离散平稳小波变换,用小波系数尺度间的相关性提取特征向量输入构造的多类分类器,对水平行走时划分的支撑前期、支撑中期、支撑末期、摆动前期、摆动末期这5个细分运动状态进行分类.实验结果表明,所提的多模式识别方法能够以较高识别率区分多个细分运动状态,得到比标准的单核支持向量机(SVM)分类器更好的准确性.     

基于神经网络的智能下肢假肢自适应控制

下肢假肢的膝关节是一种具有高度非线性、时变、强耦合的阻尼系统,传统控制方法很难达到良好控制效果.针对这一问题,提出将神经网络(NN)应用于下肢假肢控制.以学习矢量量化(LVQ)神经网络为基础,提出神经网络模型参考自适应控制方法.该方法通过选择适当的参考模型和自适应算法,利用参考模型输出与实际系统输出之间的误差信号,由自适应算法计算当前的控制量以控制智能下肢假肢,达到自适应控制的目的.该方法不需要进行性能指标的变换,容易实现且自适应速度快,仿真结果表明了该方法的有效性.     

发动机燃油消耗微机测试装置

介绍了一种发动机燃油消耗率的测试装置，包括测试原理，信号检出及由８０３１为核心组成的数据处理，显示和信号输出系统，该装置能用于一般汽油机及柴油机的油耗测量。     

基于触觉传感器的工件形状识别

介绍了一种利用阵列触觉传感器实现工件形状识别的新方法.该方法针对传感器采集的触觉图像的特殊性,在信号的预处理中采用Hopfield神经网络解决断线、畸变等问题.并以矩描绘子作为特征判别的主要依据,采用模板匹配法实现了工件形状的正确识别.     

基于LabVIEW的机器视觉实现

介绍了从图像获取，图像处理，图像理解等几个方面去实现具有视觉功能装配机器人的方法。     

肌电模糊熵特征的加权核FDA跌倒识别

针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的sEMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.     

改进的互谱法分析SMES及其在虚拟仪器中的实现

传统检测方法处理表面肌电信号（SMES）时，个体差异比较大，本文针对这一不足，应用互功率谱比值法对肌电信号进行处理，并分析互功率谱的各项参数和对应肢体动作变化之间的关系．消除了肌电信号实际测量中不可测噪声的干扰。实验表明这种改进的互功率谱比值法与传统的自功率谱比值法的方法相比，动作模式识别率得到了提高。同时，采用虚拟仪器技术提高仪器的测量精度，降低成本。     

集控式足球机器人目标快速识别及定位

针对足球机器人视觉系统的实时性要求，研究了基于颜色的快速图像分割方法及综合运用动态窗口技术、移动网格技术、交叉线法确定物体质心技术在动态环境下对多个目标进行快速识别及定位。实验结果验证了算法的有效性。