论文部分内容阅读
将神经网络集成(NNE)算法应用于表面肌电信号(sEMG)的模式识别领域中，并通过小波包分解(WPD)算法提取表面肌电信号的特征向量，利用Bagging算法生成神经网络集成模型，采用BP神经网络作为参与集成的单个神经网络，利用相对多数投票决策法获得集成神经网络的输出。最后，将采集得到的手臂4个不同运动模式下的表面肌电信号进行模式识别，实验结果表明，与单个神经网络相比，集成神经网络可以显著地提高sEMG的识别率，证明了将神经网络集成用于sEMG模式识别的有效性和可行性。