基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统
针对单一脑电控制智能轮椅中信号识别率不高和系统稳定性低的问题,考虑到脑电传感器Emotiv能同时获取脑肌电信号,提出一个基于支持向量机(support vector machine,SVM)多分类技术的肌电信号(electromyography,EMG)辅助脑电信号(electroencephalogram,EEG)的轮椅控制系统.系统采用小波变换和阈值法分别对EEG和EMG进行特征提取,并对特征向量进行融合;然后,采用多分类SVM对信号进行分类,将分类结果作为智能轮椅的控制指令.实验证明,系统与单一脑电控制相比,动作识别率高,稳定性好.
智能轮椅 控制系统 小波变换 信号识别
张毅 祝翔 罗元
重庆邮电大学信息无障碍工程研发中心,光纤通信技术重点实验室,重庆,400065
国内会议
扬州
中文
73-76
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）