排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
为解决流程工业中大范围过程变量波动时波动传播路径的确定和波动源所在回路的定位问题,提出了一种基于格兰杰因果检验的分析方法。该方法结合已有的频域分析方法,筛选出含相近频率成分的受扰波动变量,对其进行格兰杰因果检验,检验得到的回路变量间的因果影响关系表征了波动干扰的传播路径,以因果关系图的形式直观表达。利用先验过程知识化简因果关系图,并通过切除阈值搜索方式过滤掉次要因果关系分支,得到波动干扰的主要传播路径,由此定位波动源。仿真及工业数据的验证结果表明该方法是可行的。 相似文献
2.
肌音(MMG)是指肌肉收缩时发出的2~100 Hz的低频"声音"。近年来,有研究将前臂肌音信号作为生理信号源应用于假肢手的控制,并取得了一定的进展。利用主成分分析法(PCA)对多通道采集的前臂肌音信号的18个时、频域特征的特征空间进行降维,并采用线性分类器对4种手部动作模式(手掌握紧、手掌张开、腕部弯曲、腕部伸直)进行... 相似文献
3.
4.
基于肌音信号的虚拟假肢控制 总被引:2,自引:1,他引:1
将肌音(Mechanomyography,MMG)信号作为假肢控制的生理信号源,实现了对于虚拟假肢的抓放控制。针对手部在握紧-张开动作过程中前臂肌肉声音信号,提取动作信号的7种时域特征并利用线性分类器进行分类识别,用以分辨手部动作类型,正确率为(95.63±2.55)%,并利用辨识结果产生控制信号实现对虚拟手的控制。结果表明肌音信号的动作判断具有很高的正确率,为利用肌音信号控制假肢提供了依据。 相似文献
5.
通过测量分析受试者小腿胫骨前肌和腓骨短肌的肌音信号,对踝关节背伸、跖屈、外展、内收等4个动作进行模式识别研究。提出了基于二次包络线的不等长信号分割算法,以及基于非线性小波变换的奇异值特征提取方法,并使用SVM分类器进行模式识别。结果表明:基于不等长分割的算法可以有效截取踝关节肌音信号的动作段信号;在两通道信号采集的情况下,利用非线性小波变换得到的奇异值特征在踝关节四模式识别中总体准确率可以达到87.8%,验证了本文提出的分析方法的有效性。 相似文献
1