论文部分内容阅读
提出一种基于SEMG的人手手内动作识别系统对十种自定义的人手手内操作进行识别。结合人手操作的常用动作,设计包括平移、转移和旋转等在内的十种人手动作集;采用经验模态分解(EMD)算法对原始肌电信号进行预处理;采用最大Lyapunov指数(MLE)法对经过降噪处理后的肌电信号进行特征提取;将获得的非线性MLE特征通过随机森林算法进行分类,并同其他经典算法进行比较。实验结果表明,该系统可以有效地识别10种不同的人手手内动作,准确率高达91.67%。