摘要
基于AWPSO‑SVM模型的sEMG识别方法、电子设备及存储介质,属于表面肌电信号识别技术领域,解决如何提高表面肌电信号识别精度的问题,本发明通过对表面肌电信号的特征提取及数据集收集,以Sigmoid函数作为自适应权重更新函数改进粒子群算法得到AWPSO算法,通过AWPSO算法输出最佳惩罚参数和核函数半径来优化SVM得到AWPSO‑SVM模型;本发明将加速度系数自适应控制在合理范围内,保证了速度更新过程中的效率;选取Sigmoid函数作为自适应加权更新函数,能够反映加速度系数单调但相对平滑的变化,距离越大加速度系数值越大,可以激励粒子尽可能快地寻求最优解,从而提高表面肌电信号识别的精度。
技术关键词
表面肌电信号
识别方法
Sigmoid函数
时域特征
加速度
速度更新过程
粒子群算法
参数
频域特征
寻求最优解
电子设备
处理器
极值
存储器
数据
曲线
速率
数值
系统为您推荐了相关专利信息
卷烟盒
图像识别方法
三维空间模型
图像识别模型
非易失性计算机存储介质
冶金炉窑
智能识别方法
信息瓶颈理论
模态特征
变量
多通道卷积神经网络
诊断方法
DCNN模型
加速度
应力传感器