孔康 李德盈 牛禹涵 孙中圣

（南京理工大学机械工程学院 江苏省南京市 210094）

人体表面肌电信号在医学领域有着非常重要的应用，能够直观地反应神经和肌肉的运动状态，拥有极大的医学价值。但其信号具有微弱性，突变性，在采集的过程中容易受噪声的干扰，因此在采集和识别动作的过程中存在很大的难度。当前对肌电信号的特征提取主要分为时域分析法、频域分析法和时频域分析法。频域分析法存在延迟性高、依赖计算能力等问题。时域分析法具有信号处理的速度快等优点，吴颜生[1]提取52 个时域和参数模型等特征进行分析和识别分类；马迪[2]通过对时域和非线性动力学特征的提取完成对表面肌电信号的采集。但由于利用肌电信号幅值进行分类，受手势动作力度等因素影响较大，存在识别率较低的问题。时频分析法相较时域分析法有一定的延时性，识别率相对较高，吴庭丞[3]分析对比综合时域和自回归特征的信号特征提取方法与结合时域和功率谱描述的特征提取方法，采用LDA 降维的方法，但是可用维度最大只能是C-1，无法选择全部可用维度；邱青菊[4]采用小波变换和小波包变换识取时频特征。同样的，也有一些研究者提取肌电信号的其他特征进行识别。石欣[5]提出LMS-随机森林的方法实现快速准确分类。刘万阳[6]使用幅值绝对值和小波系数奇异值作为特征值，选取支持向量机算法实现模型训练和分类识别，识别率达到90.31%。……