基于軟計(jì)算的sEMG至SFAP分解算法.pdf

1、近年來(lái),國(guó)內(nèi)外每年都有大量的關(guān)于sEMG信號(hào)分解的文章發(fā)表.他們研究的目標(biāo)是將sEMG信號(hào)分解為MUAP或MUAPT,通過(guò)動(dòng)作模式識(shí)別控制假肢.很少有學(xué)者將sEMG信號(hào)分解為SFAP.sEMG信號(hào)分解至SFAP在疾病診斷、針灸治病機(jī)理分析以及假肢控制等方面具有重要意義.該文在Graupe D.和Huang Q.等研究的基礎(chǔ)上,提出了一種新的基于RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法的sEMG至SFAP的分解算法.Graupe D.等巧妙地運(yùn)用了sEM

2、G信號(hào)可以近似用若干Gaussian函數(shù)的和表示的特點(diǎn),以Gaussian函數(shù)作為Hopfield神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)函數(shù),運(yùn)用Hopfield神經(jīng)網(wǎng)絡(luò)擬合sEMG信號(hào).通過(guò)曲線擬合,將sEMG信號(hào)分解為若干Gaussian函數(shù),聚類(lèi)處理后就得到了組成sEMG信號(hào)的SFAP.該文基于同樣的思路,采用具有全局逼近性能和最佳逼近性能的RBF神經(jīng)網(wǎng)絡(luò)擬合sEMG信號(hào),避免了Hopfield神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)解的缺點(diǎn),加快了算法的收斂速度,提高了