基于双谱分析表面肌电信号特征的提取与模式识别

背景：肌电信号在本质上是一种具有非平稳、非高斯特性的生理信号。目前基于高阶累积量的高阶谱技术广泛应用于非高斯、非平稳、非线性等问题。 目的：基于非高斯AR参数模型，将双谱分析和fisher线性判别分析方法相结合进行表面肌电信号特征提取。 方法：针对表面肌电信号特点，从信号高阶统计处理角度，基于“非高斯AR参数模型”进行双谱分析，提取有效特征，用fisher线性判别分析降维方法构造特征向量，然后利用支持向量机实现不同动作模式的准确分类。并与多种常用表面肌电信号特征的识别准确率进行对比研究。 结果与结论：利用多类支持向量机分类器对8种前臂动作进行分类，8种动作的平均识别率达到97.6%以上。通过比较发现，基于短数据的双谱特征在分类性能上优于AR模型系数、小波包系数等构造的特征，能够提高肌电假肢的实时控制的性能。

Feature extraction and pattern recognization of surface electromyography signal based on bispectrum analysis