采用组合特征法的极限学习机多手势精准识别

为了提高手部动作的识别率与响应速度。提出综合特征选择与排列组合的组合特征法并与极限学习计算法（ELM）相结合的多手势模式精准识别方法。首先,运用肌电传感器采集八种手势动作;进而运用去噪技术与起止点检测技术对肌电信号进行预处理;其次,分别提取肌电信号时域、频域、时频域、4阶AR系数和非线性特征,将组合特征法与皮尔森相关系数法和主成分析法（PCA）选优的特征集进行对比;最后,用所选特征集与最优滑动窗相结合,运用极限学习机、神经网络（BP）和支持向量机（SVM）算法进行手势分类。实验结果表明,结合组合特征法与最优滑动窗口设计的ELM算法模型最优,平均识别率高达97.1%,结果超BP算法17.02%,且具有最短的训练与测试时间,有效证明所提方法的精准性和实时性。