-
公开(公告)号：CN107808166B
公开(公告)日：2020-08-11
申请号：CN201711012999.1
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种MEMD张量线性拉普拉斯判别的肌电特征提取方法。传统的肌电特征提取方法往往都是以向量为基础、并且使用欧式距离计算离散度矩阵，因此存在类间离散度矩阵奇异、投影方向有限等问题，本发明基于张量结构的数据表示，可以同时考虑信号的时‑频‑空域等多维信息。首先使用多变量经验模态分解方法对多通道肌信号进行滤波，其次采用小波包变换构建具有时间、空间、频率、任务的四阶张量数据，然后采用张量线性拉普拉斯判别方法寻找最佳投影矩阵以获得具有较大区分度的张量高维特征，接着对高维张量特征进行矩阵化和降维，最后采用常规的分类方法对降维后的肌电特征进行识别。该方法在康复机器人等人机交互领域具有广阔的应用前景。
-
公开(公告)号：CN107808166A
公开(公告)日：2018-03-16
申请号：CN201711012999.1
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种MEMD张量线性拉普拉斯判别的肌电特征提取方法。传统的肌电特征提取方法往往都是以向量为基础、并且使用欧式距离计算离散度矩阵，因此存在类间离散度矩阵奇异、投影方向有限等问题，本发明基于张量结构的数据表示，可以同时考虑信号的时-频-空域等多维信息。首先使用多变量经验模态分解方法对多通道肌信号进行滤波，其次采用小波包变换构建具有时间、空间、频率、任务的四阶张量数据，然后采用张量线性拉普拉斯判别方法寻找最佳投影矩阵以获得具有较大区分度的张量高维特征，接着对高维张量特征进行矩阵化和降维，最后采用常规的分类方法对降维后的肌电特征进行识别。该方法在康复机器人等人机交互领域具有广阔的应用前景。
-
Search Results
2
records
(took 0.016 seconds)
