基于粒子群优化-支持向量机方法的下肢肌电信号步态识别

来源：电子与信息学报杂志2015年第5期北京时间：

作者：高发荣, 王佳佳, 席旭刚, 佘青山, 罗志增

摘要：为提高下肢表面肌电信号步态识别的准确性和实时性，该文提出一种基于粒子群优化(PSO)算法优化支持向量机(SVM)的模式识别方法。首先对消噪后的肌电信号提取积分肌电值和方差作为特征样本，然后利用PSO算法优化SVM的惩罚参数和核函数参数，最后利用步态动作的肌电信号样本数据对构造的SVM分类器进行训练、测试。实验结果表明PSO-SVM分类器对下肢正常行走5个步态的识别率，明显高于未经参数优化的SVM分类器，优化后平均识别率达到97.8%，并兼顾了分类的准确性和自适应性。

关键词：模式识别, 步态分析, 肌电信号, 粒子群优化, 支持向量机

基金资助：浙江省自然科学基金(Y1101230, LY13F030017)，浙江省科技计划(2012C33075, 2013C24016)和国家自然科学基金(61201302, 61172134)资助课题