彭跃秒，李秋敏
(成都信息工程大学统计学院，四川成都610103)
摘要：肌电信号的研究被广泛应用于临床诊断、生物医学工程等领域。论文研究前臂肌肉在握拳、展拳、曲腕、前臂内旋、前臂外旋的表面肌电信号，利用维纳滤波器消除肌电信号噪声，在此基础上采用支持向量机进行动作分类。
关键词：肌电信号；维纳滤波；时域分析；支持向量机
中图分类号:TP319.4文献标识码:A文章编号：1673-1131(2019)09-0003-02
0引言
人体肌肉的收缩产生的微弱电信号是表面肌电信号(Surface electromyogram,sEMG)，肌电信号的研究广泛应用于假肢、残肢康复研究中。有关肌电信号的研究有几个方面，针对每个方面都有不同的方法：消除噪声可釆用小波变换阈值处理、频谱插值法等，信号特征值提取可釆用小波变换、时域、频
域、时频域方法；信号分类可釆用KNN算法、支持向量机等方职业中专
法，解决非线性小样本问题，可构造SVM多值分类器叫除小
波变换等降噪方法外,J.Mateo等提出基于径向基函数维纳滤波混合器有效的消除心电和脑电干扰叫本文在研究肌电信号分类问题时，为验证维纳滤波器是否有效消除肌电信号的噪声而选择维纳滤波器，分类模型选择支持向量机。 1肌电信号采集与滤波
本研究使用的表面肌电信号釆集设备是实验设计的肌电信号采集系统。测试者要按标准做握拳、展拳、曲腕、前臂内旋、前臂外旋五个动作各20组数据。实验时使用了20组数据，选取10组为样本集,10组为测试集。
本文利用维纳滤波器来进行肌电信号的消噪处理，从噪声中分离出有用信号的波形用维纳滤波来提取信噪比。维纳滤波(Wiener filtering)是一个线性系统切，输入一个随机信号x (n)，且x(n)=s(n)+w(n)，单位样本响应为h(n)，噪声为w(n),
y(n)的输出为：
y(n)=x(n)*h(n)=(1) y(n)尽可能的接近于s(n)估计值$(n)。
2肌电信号的特征值提取与分类模式
本文釆用时域分析的方法需要提取肌电信号特征矢量，主要包括的时域特征：均值、最大值、最小值、标准差、均方根值、过零次数和原点矩。同时使用AR参数模型提取特征值，再进行分类，并将以上两种方法的结果作比较。
分类模型选择支持向量机，支持向量机的线性判别函数一般形式是：«T x+b=0，其中3是分类面的法向量,b是位移项。若分类面将样本正确分类，即约束条件为：
”[fiZx+可—120,i=12K,”(2)满足此条件且II0『的最小的分类面是最优分类面，上式托尔斯泰的故事
等式成立时的样本叫支持向量叫支持向量机利用核函数代替高维空间的非线性映射，选择适当内积，构造支持向量数相对较少的最优分类面。本研究使用了两种不同的核函数linear 和径向基rbf核函数进行对比。
为提高识别效果，分类之前要进行归一化方法将每一个
特征向量元素归一化到区间(0,1)内。SVM不能直接分类多类问题，可通过两类问题的两两组合。本文釆用“一对一”策略，设计成多值分类器，利用基本的SVM在不同的两个类别间最优决策函数。
3结果与分析
本文在MATLAB环境下实验的主要步骤依次是：肌电信号釆集；维纳滤波去噪；时域分析提取特征值；数据归一化处理；支持向量机分类。本文分析了维纳滤波处理结果以及分类结果。
(1)维纳滤波效果
釆集肌电信号之后首先要设计合适的维纳滤波器，通过对比发现滤波效果最好的是阶数M=500时,M=500和M=1000时的滤波效果差不多，但是阶数1000时滤波速度变慢运算量变大，所以M=500时最适合。
(2)分类结果
对肌电信号分类上釆用“一对一”分类方法，用5类动作，每类20组数据，分为10组测试集10组样本集，分别将两两类别对比，期望判入类别为测试集类别。输出参与分类的动作识别率。
表1支持向量机linear和rbf核函数测试集正误判别率
握拳展拳曲腕前骨内旋前宵外旋
Linear
核函数
溟判率(%)17.5205517.5 2.5
正确率(%)82.5804582.597.5
rbf径向
基核函数
王安石百科溟判率(％〉 2.53517.525 2.5
正确率(%)97.56552.56597.5如表1所示，用linear核函数误判最多的是展拳，最少的是握拳；用rbf核函数误判最多的是前臂外旋，最少的是曲腕；两种核函数误判最多的都有曲腕，说明此动作肌电信号干扰最大不好识别。从正确率来看，linear核大于80%的较多，相比rbf效果要好。从总体来看小样本数据使用简单核函数linear 核识别效果要更均衡，效果更好,rbf径向基主要针对线性不可分问题，本文特征值只有六个较少，使用rbf效果较差。
表2支持向量机和AR模型的正确率对比
分类模式握拿展李曲腕前冑内旋前宵外旋AR+马氏距离100%30%80%100%50% 5^ner+SVM(linear)82.5%80%45%82.5%97.5%
windowsserver2003
Winer+SVM(rbf)97.5%65%52.5%65%97.5%
从表2可以看出，基于维纳滤波的两个不同内积的SVM 和基于AR模型的马氏距离分类识别率，除了对前臂外旋的识别率都相近外，其他几个动作的差距都较大，尤其对握拳的识别,AR只能达到30%，而SVM能达到82.5%和97.5%，对曲腕的识别，AR能达到98.5%但维纳滤波只有45%和52.5%。实际上用维纳滤波结合支持向量机SVM对肌电信号分类效果与AR模型分类效果相差不大，只有在某些动作上差异较大,
3
汪松，肖倩，杨德运
(航天恒星科技有限公司，北京100094)
摘要：为了提高遥感卫星的几何定位精度，本文首先从国内外遥感卫星图像几何定位精度的现状分析，然后引出图像几何定位原理和方法，并对RFM模型进行介绍，最后从卫星平台、成像相机和观测误差三个方面对图像几何定位精度的彩响因素进行详细分析，并给出相应的结论，为后续几何定位精度的提升奠定基础o
关键词：遥感卫星;RFM模型；几何定位精度；彩响因素
中图分类号:P237文献标识码:A文章编号：1673-1131(2019)09-0004-02
0引言
随着航天技术、卫星制造技术和传感器技术的快速发展，商业遥感卫星的空间分辨率已从IKONOS2卫星的lm提高到WorldView-4的0.31m，我国高分辨率商业遥感卫星的空间分辨率已经提高到高景一号的0.5m。这些方面的发展给遥感应用带来了无限的发展商机。大量高分辨率卫星的发射，如法国的SPOT-5/6，美国的QuickBird,WorldView及GeoEye等卫星运营商公开发布其卫星系统的定位能力，尤其是其无地面控制点的图像定位精度，一般都在50m以内。以美国和法国为代表的典型先进卫星如WorldView-3/4、GeoEye-1、Pleia-des-1等无控制点定位精度甚至达到5m和3m。而我国典型的高分辨率光学遥感卫星定位精度一般设计都在50m左右，通过国内外高分辨率卫星图像定位精度比较可以发现，我国研制的卫星图像定位精度与国际上存在一定的差距。
表面电阻率在这一大背景下，面对不同行业对地观测系统卫星定位精度的需求，如何提高遥感卫星的定位精度，首先需要对遥感卫星的成像过程中对定位精度的影响因素进行分析，为后续提高卫星的几何定位精度奠定基础。
1几何定位原理及方法
遥感卫星在成像过程中受到诸多复杂因素的影响，使图像各像点产生不同程度的几何变形而失真。建立遥感卫星成像几何模型能够正确描述影像像点坐标与对应实地点坐标之间的几何关系，以便对原始影像进行高精度的纠正处理从而满足后续应用的要求。
目前，光学遥感卫星多釆用线阵推扫式成像传感器，扫描行之间成像的几何模型随时间各异，因此根据共线原理建立的物理模型对后续处理较为不便。同时，考虑到对卫星参数的保密，广义传感器模型多为卫星方所青睐，其中由严格几何
但这不仅仅与方法的选择有关，还和信号本身的强弱干扰和前期的预处理有关。维纳滤波结合时域分析的运算量比AR模型大的多，且速度慢，但SVM风险最小，所以利用SVM进行分类。4结语
婴幼儿营养与保健本文釆用维纳滤波器对表面肌电信号去噪，发现滤波阶数M=500时滤波效果最好，釆用支持向量机进行肌电信号分类，选择linear核函数和rbf径向基核函数对比，发现linear核函数的分类效果更均衡；对比支持向量机和AR模型马氏距离的分类结果，使用支持向量机分类的正确率最高可达97.5%。参考文献：
[1]李林伟，王红旗，姜磊.基于支持向量机的表面肌电信号动成像模型推导获得与严格几何成像模型等精度的有理多项式函数模型(RFM模型)，成为使用最为广泛的几何模型。本章节主要对RFM模型进行详细介绍。
RFM模型介绍：遥感影像进行系统几何校正、几何精校正、正射校正等处理时，主要采用RFM模型，通过解算RPC系数，进而完成相应的几何校正处理。
RFM(Rational Function Model)，即有理多项式参数模型”是一种和卫星遥感影像严格几何成像模型近似一致精度的、形式简单的模型。该模型解算的多项式系数即RPC(Rational Poly-nomail CofBcient)。在摄影测量工作中,RFM模型正逐步成为影像几何关系转换的标准，进而取代复杂的严格成像模型。
RFM模型是将像点坐标(r,c)表示为相应地面点空间坐标(X,Y,Z)为自变量的多项式的比值，为了增强参数求解的稳定性，将地面坐标和影像坐标正则化到-1到+1之间。
r=N«%d，Z”)
Den^.Y^ZJ
JumgYM)
研究表明，在有理多项式函数模型中，光学投影系统产生的误差用有理多项式中的一次项来表示；地球曲率、大气折射和镜头畸变等产生的误差能很好的用有理多项式中二次项来模型化；其他一些未知的具有高阶分量的误差如相机震动等，用有理多项式中的三次项来表示。
2定位精度影响因素及分析
遥感卫星图像定位精度的误差一般分为系统误差和偶然误差。系统误差可以通过后续图像预处理过程中引入高精度的地面控制点和DEM进行补偿；而偶然误差反映的是各类测量值的观测精度，卫星方一般会给出测量器件相应的观测精度指标”
作模式识别[J].科学技术与工程,2014,14(7):241-248. [2]J.Mateo,E.M.Sanchez-Moria,J.L.Santos.A new method for
removal of powerline interference in ECG and EEG recordings[J].Computers and Electrical Engineering,2015(7): 235-24&
[3]赵光宙，舒勤.信号分析与处理[M].机械工业出版社,2001.
[4]边肇祺，张学工.模式识别[M].北京：清华大学出版社,2000.
作者简介：彭跃秒(1994-)，女，四川雅安人，成都信息工程大学，研究生，研究方向：数据挖掘；李秋敏(1976-)，女，四川成都人，博士，成都信息工程大学副教授，硕士生导师，研究方向：计量经济分析。
4
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议