基于HMM的下肢表面肌电信号模式识别的研究.pdfVIP

第 1 期 机 械设计 与制 造 2015 年 1 月 Machinery Design ＆ Manufacture 39 基于 HMM 的下肢表面肌 电信号模式识别的研究 陈贵亮，周晓晨，李 晨，刘更谦 河北工业大学机械工程学院，天津 300130） （ 摘 要：采用隐马尔科夫（HMM）的信号分类识别方法，用以实现下肢步态中各细分动作的更好识别和描述。首先将待分 类的肌 电信号进行预处理，按等时间间隔对每通道的肌 电信号划分不同的段 ，采用小波变换方法对每个数据段 内肌 电信 号进行 多尺度分解，并提取小波分解 系数的奇异值构成观察值序列。将步态周期的四种运动模式与 HMM 状态一一对应， 用 Baum-Welch 算法对 HMM 参数进行重估训练 ，再用标定技术处理的前向后 向算法和 Viterbi 算法进行识别 ，得到的平 均识别率高于 90%。然后在四种运动模式中分别提取小波特征组成特征编码 ，送入概率神经 网络（PNN）中进行识别。证 明 HMM 的识别效果优于概率神经 网络，能够更好地应用于假肢的控制研究。 关键词：表面肌电信号；隐马尔科夫模型；小波变换；模式识别；概率神经网络 中图分类号：TH16 ；TP391.4 文献标识码：A 文章编号：1001-3997 （2015）01-0039-04 The Research of Lower Limb EMG Pattern Recognition Based on HMM CHEN Gui-liang，ZHOU Xiao-chen ，LI Chen，LIU Geng-qian （Institute of Mechanical Engineering ，Hebei University of Technology，Tianjin 300130 ，China） Abstract ：In order to identify the lower limb gait movement of each segment better ，a method is proposed for signal classification based on hidden markov model （HMM）. First ，it is necessary to preprocess the classified EMG signal ，divide into different sections EMG signal of each channel by equal time intervals ，use wavelet transform method for decomposing the EMG signal within each data segment ，and extract wavelet decomposition singular value for creating coefficient sequence of observations. The gait cycle movement patterns of four one corresponds with the HMM state ，the Baum-Welch algorithm for HMM parameters revaluates training ，and then the calibration technique and the forward-backward algorithm are used to identify the Viterbi algorithm，the result of average recognition is higher than 90%. Then ，the four sports mode composition cha