【《基于肌电信号的前臂动作识别BP神经网络分类器分析概述》1400字】_第1页
【《基于肌电信号的前臂动作识别BP神经网络分类器分析概述》1400字】_第2页
【《基于肌电信号的前臂动作识别BP神经网络分类器分析概述》1400字】_第3页
免费预览已结束，剩余1页可下载查看

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于肌电信号的前臂动作识别BP神经网络分类器分析概述目录TOC\o"1-3"\h\u22350基于肌电信号的前臂动作识别BP神经网络分类器分析概述 )式中n为输入节点数，m为输出节点数。输入端为经预处理、特征提取后的特征值。依据表5-1所示，输出四种肌电动作分别设定为output[1000]、output[0100]、output[0010]、output[0001]。在训练和测试过程中，肌电信号特征在训练后所得输出结果不会直接是1或0，一般都只在0-1之间。经过BP网络训练后，输出所得结果与设定目标一致，即为目标动作。否则认为识别结果错误。表5-1四种动作对应目标动作手部动作目标动作摇滚[1000]剪刀[0100]布[0010]OK[0001]1.2BP网络设计BP网络将提取的2000个特征样本分为训练集及测试集两部分，本文选择了1500个样本作为模型训练样本，预测集包含500个特征样本。设计了3层的BP神经网络，输入层innum、输出层outnum和隐藏层minnum的神经元个数分别为22、4及25个。其中输入层神经元个数由设定的输出层个数确定，目标误差为0.001。首先对输入数据作归一化处理，再对神经网络的权值w和阈值b初始化。在网络预测输出时，首先计算隐含层输出和输入层中神经元输入输出值，再计算输出层和隐含层的误差，进而不断修正权值阈值。利用已训练好的网络对预测样本进行分类，然后根据输入数据输出结果。根据网络输出层结果找出数据属于哪类，再通过BP网络预测误差并画出预测手势种类和实际手势动作的分类图。本文随机统计了其中4次识别结果并计算出平均识别率，绘制如表5-2所示。训练识别结果如图5-3所示：图中x为预测手势类别，o为实际手势类别。表5-2BP动作识别率1234CLO84.96%88.9%80.56%71.76%SCIS69.11%65.41%74.17%89.29%ROCK93%91.8%93.4%97.6%OK87.16%92.25%94.49%90.91%平均识别率83.56%84.59%85.66%87.39%运行时间/s29.0627.7823.3529.84由表5-2所示，BP神经网络模型对设定的四种手势动作中，均对ROCK（摇滚）动作识别率最高，均在90%以上。究其原因是由于采集肌电信号时，该动作的肌电信号幅值变化最为明显，因此在特征提取的过程中得到的特征点相较于另外三种动作更具代表性。但经过平均识识别率可知，利用BP网络模型识别动作的准确率整体较低。图5-3BP识别结果图5-3中红色X表示预测手势动作类别，黑色圆圈

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论