基于人工鱼群算法优化SVM的手部动作sEMG识别*

洪　洁， 王　璐， 汪　超， 魏　伟， 叶　晔

(安徽工业大学 机械工程学院，安徽 马鞍山 243002)



基于人工鱼群算法优化SVM的手部动作sEMG识别*

洪洁， 王璐， 汪超， 魏伟， 叶晔

(安徽工业大学 机械工程学院，安徽 马鞍山 243002)

摘要:为了提高人体手部运动模式识别的准确性，提出了一种基于人工鱼群算法优化支持向量机(SVM)的模式识别方法。该方法对采集的表面肌电信号(sEMG)去噪后提取小波系数最大值作为特征样本，将提取后的特征输入到SVM进行动作模式识别，同时采用人工鱼群算法优化SVM(AFSVM)的惩罚参数和核函数参数，避免参数选择的盲目性，提高模型的识别精度。通过对内翻、外翻、握拳、展拳四种动作仿真结果表明：该方法与传统的SVM方法相比具有更高的识别率。

关键词:表面肌电信号； 模式识别； 人工鱼群算法； 支持向量机； 参数优化

0引言

表面肌电信号(surface electromyography，sEMG)是通过表面肌电拾取电极从人体皮肤表面记录下来的，能够反映神经肌肉系统相关活动信息的微弱生物电信号[1]。不同的肢体动作对应不同的肌肉收缩模式，相应的肌电信号特征也会有所差异，通过对这些特征的研究有助于进行肢体的不同动作模式识别。近年来，随着计算机等技术的发展，国内外学者提出了很多sEMG用于动作的识别的方法,主要包括隐马尔可夫模型方法、模糊模式识别方法、神经网络方法等，并取得了大量研究成果[2～5]。

支持向量机(support vector machine,SVM)是以统计学习理论为基础发展起来的一种新的机器学习方法，具有很好的泛化能力与实时性,已经成为目前国内外研究的热点，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势[6]，在模式识别领域得到了广泛的应用。……