基于线性判别函数和非线性判别函数的肌电信号的识别方法

测控论文编号:CK023    论文字数:30214,页数:94 ,有开题报告，任务书，外文翻译，程序

目  录 
摘要 Ⅰ
Abstract Ⅱ
第1章  绪论 1
 1.1   表面肌电信号的研究现状 1
 1.2   模式识别系统概述 1
 1.2.1 模式识别和模式的概念 2
 1.2.2 模式识别系统 2
 1.2.3 模式识别的基本方法 3
 1.2.4 特征矢量和特征空间 3
 1.3   课题研究的内容及安排 4
第2章 表面肌电信号的获取和分析 5
 2.1   表面肌电信号的形成原理 5
  2.2   表面肌电信号的特点 5
 2.3   表面肌电信号的获取 6
 2.4   表面肌电信号的分析与特征提取 6
第3章  MATLAB语言简介 7
 3.1   MATLAB语言简介 7
  3.2   MATLAB语言 7
 3.3   MATLAB语言优点 9
  3.4   MATLAB控制语句简介 9
第4章  线性判别函数  11
 4.1   引言 11
    4.1.1  线性判别函数的基本概念 11
 4.1.2  设计线性判别函数的主要步骤 13
 4.2   Fisher线性判别 14
  4.3   多类问题的判别 18
 4.3.1  多类决策 18
 4.3.2  基于线性判别函数肌电信号分类器的设计 20
第5章  非线性判别函数 22
 5.1   分段线性判别函数 22
 5.1.1  基于距离的分段线性判别函数 22
 5.1.2  类内类间距离准则 23
 5.1.3  分段线性分类器设计的一般准则 24
 5.2   基于分段线性判别函数肌电信号分类器的设计 26
 5.3   决策树简介 27
 5.3.1  基本概念 27
 5.3.2  决策树设计的基本准则 28
 5.3.3  基于决策树理论肌电信号树分类器的设计 29
第6章  识别结果及分析 32
 6.1   特征值简介 32
 6.2   各种分类器识别结果及分析 34
 6.2.1  分类器运算过程 34
 6.2.2  识别结果 36
结论 41
致谢 42
参考文献 43
附录1 程序清单 44
附录2 复杂度特征值数据 90

摘    要

本文主要对基于线性判别函数与非线性判别函数肌电信号的识别方法进行了研究，较好地实现了对从4块肌肉上获取的8种不同动作的肌电信号的模式识别。
利用Fisher准则函数设计了线性分类器和树分类器，并运用类内类间距离准则完成了分段线性分类器的设计。通过实验采集大量实验数据，并验证以上分类器的分类性能。结果表明，线性分类器、树分类器和分段线性分类器均能对8种不同动作的肌电信号进行模式识别，其中线性分类器和树分类器识别效果较好，各动作识别率均在80%以上。
分类器的设计在MATLAB 6.5环境下实现的。
 
关键词  表面肌电信号  Fisher准则  非线性判别  模式识别

Abstract
 The recognition way of linear discrimination and non-linear discrimination is studied in the paper. Classifiers are designed based on linear and non-linear discrimination. Classifying 8 kinds of motion patterns’ surface electromyography acquisitioned from 4 pieces of muscles of the human body forearm was achieved.
 Linear classifiers and tree classifier are designed based on Fisher guideline. Subsection linear classifier is designed based on multi-classes arithmetic. Training and testing classifiers by using experiment data, multi-classes recognition strategies are proposed based on two classes arithmetic recognition. Results of classifying different surface electromyography show that the designed classifiers can classify different movements. The linear classifiers and tree classifier’ recognition is higher than non-linear classifiers. The rate of every kinds of movements attain over 80%.
  The classifier is designed on the MATLAB 6.5.

Keywords  Surface electromyography  Fisher guideline  Non-linear discrimination  Pattern recognition