基于小波变换和样本熵的假手肌电模式识别方法

提出一种新的模式分类器,利用安置在拇长屈肌,指深屈肌和指伸肌上的3 个电极所测得的肌电信号,实现了对3 自由度假手手指运动的控制.该分类器采用小波变换和样本熵的方法构造特征矢量,经过由变学习速率算法和RP 算法构建的集成3 层前馈神经网络的分类,能够成功地分辨出拇指,食指和中指的弯曲与伸展运动,平均识别率可达96%以上.实验结果表明,该分类器为多自由度肌电假手的控制提供了一种有效的方法.