基于特征递归消除和反向传播神经网络的下肢运动识别
信号处理
2024-04-18 v1
摘要
表面肌电信号（sEMG）是下肢运动识别常用的数据源，反映了人类运动意图。然而，在该领域研究中提高运动识别率的同时使用更少的特征一直是一个挑战。本文提出了一种基于递归特征消除和反向传播神经网络的下肢运动识别方法。首先，使用 BIOPAC 收集器记录了五名受试者完成八种不同下肢运动的 sEMG 信号。通过基于支持向量机的递归特征消除（SVM-RFE）确定最优特征子集，包含 25 个特征向量。最后，本研究使用五种监督分类算法识别这八种不同的下肢运动。实验结果表明，BPNN 分类器与 SVM-RFE 特征选择算法的组合能够实现高达 95% 的动作识别准确率，为该方法的可行性提供了充分的支持。
引用
@article{arxiv.2404.11383,
title = {Lower Limb Movements Recognition Based on Feature Recursive Elimination and Backpropagation Neural Network},
author = {Yongkai Ma and Shili Liang and Zekun Chen},
journal= {arXiv preprint arXiv:2404.11383},
year = {2024}
}