摘要：为提高下肢表面肌电信号步态识别的准确性和实时性,该文提出一种基于粒子群优化（PSO）算法优化支持向量机（SVM）的模式识别方法。首先对消噪后的肌电信号提取积分肌电值和方差作为特征样本,然后利用PSO算法优化SVM的惩罚参数和核函数参数,最后利用步态动作的肌电信号样本数据对构造的SVM分类器进行训练、测试。实验结果表明PSO-SVM分类器对下肢正常行走5个步态的识别率,明显高于未经参数优化的SVM分类器,优化后平均识别率达到97.8%,并兼顾了分类的准确性和自适应性。

关键词：模式识别 步态分析 肌电信号 粒子群优化 支持向量机 

单位：杭州电子科技大学智能控制与机器人研究所 杭州310018