应用支持向量机于2006年进行表面肌电信号模式分类的研究

采用小波变换的方法对实验采集的原始四通道表面肌电信号（SEMG）进行了分析，并提取小波分解系数的奇异值构建特征矢量，利用“一对一”分类策略和二叉树设计的多类支持向量机（SVM）分类器，很好地实现了对前臂8种运动表面肌电信号的模式分类8种运动模式的平均识别率为98.75%。研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器，且识别精度高，鲁棒性好，对肌电信号及其他非平稳生理电信号的模式识别，提供了一种具有良好应用前景的新方法。