登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 外文翻译 > 电子信息类 > 通信工程 > 正文

与基于人体表面肌电信号的手写识别系统设计与实现毕业论文有关的外文翻译资料:基于LM-BP神经网络系统的电子手写识别系统的设计及实现

 2021-03-30 20:10:48  

英语原文共 6 页

基于LM-BP神经网络系统的电子手写识别系统的设计及实现

摘要

随着技术的发展,人机交互(HCI)系统正在我们的日常生活中扮演越来越重要的作用。HCI是一种在人和计算机之间建立连接和传输信息的方式。基于表面肌电图(SEMG)的模式识别是最重要的HCI技术之一。为了使输入电子折别更加便携,满足人们与计算机(尤其是残疾人)交互的需要,这项研究提出了一种基于LM-BP(反向传播)神经网络的肌电信号的手写识别系统。在信号预处理方面,本文尝试使用一些新特征来更好地反映信号的特点。在模式识别方面,LM-BP神经网络被应用于设计适合于基于SEMG的模型训练和识别的系统。与基于动态时间扭曲(DTW)算法的现有系统和基于隐马尔可夫模型(HMM)的系统相比,训练时间和训练时间减少了很多,这使得基于SEMG的手写识别系统更加实用。
关键词: HCl 表面肌电信号 LM-BP 手写识别

1 导论

随着技术的发展,人和计算机之间的交互变得越来越重要,例如人机界面(HCI)系统。一些HCI,如鼠标,键盘等,已经被广泛使用,带来极大的方便。如今,学者更加注意新型的HCI系统,它将人类运动转化为基于模式识别算法的控制命令,对用户更方便。表面肌电图(SEMG)是其中之一。

SEMG是反应骨骼肌活动的电信号,并且可以通过记录其特征来研究肌肉功能。SEMG由于其安全性,灵敏性和可移植性而广泛用于科学研究。但它也有几个缺点,如信号噪声较大等。

虽然SEMG存在一些缺点,但将它应用于手写识别系统时有点更为显著。 基于模式识别的手写系统是包括信号采集和处理,输出系统以及将识别结果转为命令的过程。

一些研究人员提出并改进了基于动态时间扭曲(DTW)的SEMG的手写识别系统。其平均识别率可达到90.4%。为了提高识别精度,Zhao et al。提出了基于隐马尔科夫模型的算法(HMM)。 这种算法使得平均识别率提高到91.8%。

然而,在研究了上述算法之后,我们发现当前基于SEMG的手写识别系统不能应用于实际使用,存在的一些 问题,比如识别率低,不稳定的识别结果,较长的反应时间,个体差异,训练时间长等限制了基于SEMG的手写识别的实际应用。

2信号收集与处理

2.1信号收集

通过商业系统(Biometrics,USA)收集到的SEMG信号。选择六个SEMG传感器作为六个不同的路径收集臂的SEMG信号,其被放置在前臂的屈肌腱,浅表屈肌,掌掌,伸肌桡侧肌,手指伸肌和伸肌腕,如图2所示。采样频率设置为1000Hz。在实验中,主体将主动写下从1到6的阿拉伯数字和从A到Z的23大写字母(I,U,V除外)。为了获得更好的识别结果,这个动作需要保持8秒钟在开始书写一个新的字符之前,以便于收集背景噪音。当主体在税书写字符时,每一个书写动作之间 至少需要保持1秒钟的时间间隔以便更好地分割动作。

图2 未处理SEMG信号的获取

2.2信号预处理

SEMG信号具有相对较大的噪声,包括环境噪声等其他噪声。然而,我们感兴趣的是有意义的运动区域的信号,而不是无用的噪声区域。因此,原始信号的预处理是必要的。预处理过程包括两个主要步骤,第一步是信号过滤,第二步是信号分割。在第二阶段,Li和Zhao等人提出的算法将会被使用到。对高频部分的噪声进行滤波之后,维度会被降低,信号会根据窗口进行分割,在本次研究中窗口的长度和宽度分别为32和4。

2.3特征提取

为了处理和分析数据,我们需要在预处理之后提取信号的特征。这样,我们

可以压缩信息,减少计算时间和过滤无用信息,最终达到优化识别结果的目的。最常用的特征包括时域特征,频域特征和自回归特征。

由于信号的单个特征可能导致错误的识别,因此选择良好的参数模型尤为重要,其中AR特征在应用BP神经网络的测试中具有最佳性能。AR特征源自于自回归模型,其也被称为AR模型。在AR模型中,SEMG信号被认为是线性系统的输出,该系统的激励为均值为零的白噪声。只要白噪声的功率和系统的参数是已知的,我们可以通过研究模型的性质和系统的输入输出关系来研究SEMG信号。AR模型结合SEMG信号的随机性和SEMG信号的可预测性来刺激白噪声来反应过程的随机性,这可以用于确定过程的可预测性。随机信号的AR模型可以表示如下。

在这个公式中,是模型的系数,p是模型的阶数,u(n)是白噪声。

在一阶模型中,

定义

根据矩阵的对称性,公式可以扩展到高阶AR模型,并可

您需要先支付 20元 才能查看全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图