《表3 小波包系数特征值特征的动作识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《sEMG信号采集电路设计及其特征提取算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

小波包分析下，先探讨了固定新特征维数下不同小波包分解层数对特征提取与识别的影响，特征变换使用KPCA并使用高斯径向核函数，新特征维数取10，分解层数依次取3，4，5，6时，对应的识别率分别是90.00%，95.71%，90.48%，88.57%。可见在新特征维数固定取10，识别率在4层分解时取得最大值。故后面的特征提取均采用4层小波包分解，使用“sym4”小波对sEMG信号进行分解，再经过高斯径向核的KPCA变换得到12维特征向量，最后分别经BPNN和高斯径向核SVM进行分类。每一种特征均使用全部数据进行训练和测试，训练集和测试集样本数比为1∶1。表3列出了小波包系数特征值对应各动作的识别情况，其他特征统计方法类似。表4列出了所有6种特征的识别结果。