基于傅里葉分解方法的肌肉疲勞狀態(tài)分類研究

摘要： 由于表面肌電(sEMG)信號具有非線性和非平穩(wěn)性，導致傳統(tǒng)的肌肉疲勞分類方法存在局限性，基于此提出一種基于傅里葉分解方法(FDM)和機器學習相結合的肌肉疲勞分類方法。使用FDM將sEMG信號分解為一系列傅里葉固有頻帶函數(shù)(FIBF),確定最優(yōu)分解水平，利用FDM提取各FIBF分量總功率占sEMG信號總功率的比例(FTPR)作為分類特征，對比各機器學習分類算法的有效性和數(shù)據(jù)長度對...