论文部分内容阅读
为了提高表面肌电信号（surface electromyography,sEMG）分解的准确率,我们利用空间相邻两通道sEMG信号的信息,采用联合低频小波分解系数作为运动单位动作电位（motor unit action potential,MUAP）活动段的特征,并将自组织特征映射（self-organizing feature map,SOFM）与学习向量量化（learning vectorquantization,LVQ）网络结合起来,完成对MUAP波形的分类。同时为了实现对sEMG信号分解的完整性,