基于粒子群优化-支持向量机方法的下肢肌电信号步态识别

作者：高发荣; 王佳佳; 席旭刚; 佘青山; 罗志增

来源：电子与信息学报, 2015, (05): 1154-1159.

• 模式识别
• 步态分析
• 肌电信号
• 粒子群优化
• 支持向量机 Pattern recognition
• Gait analysis
• Electro Myo Graphic(EMG) signal
• Particle Swarm Optimization(PSO)
• Support Vector Machine(SVM)

为提高下肢表面肌电信号步态识别的准确性和实时性,该文提出一种基于粒子群优化(PSO)算法优化支持向量机(SVM)的模式识别方法。首先对消噪后的肌电信号提取积分肌电值和方差作为特征样本,然后利用PSO算法优化SVM的惩罚参数和核函数参数,最后利用步态动作的肌电信号样本数据对构造的SVM分类器进行训练、测试。实验结果表明PSO-SVM分类器对下肢正常行走5个步态的识别率,明显高于未经参数优化的SVM分类器,优化后平均识别率达到97.8%,并兼顾了分类的准确性和自适应性。

• 出版日期2015
• 单位杭州电子科技大学