ty -jour a2 -Zeng，Zhigang au -Kale，S。N. Au -Dudul，S。V. Py -2009 da -2009/06/07 ti-使用集中的时间板信号从EMG信号中删除智能噪声AB-肌电图（EMG）信号可用于临床/生物医学应用和现代人类计算机相互作用。EMG信号在通过组织，电子设备中的固有噪声，环境噪声等时获得噪音。研究了ANN方法以减少EMG信号中的噪声。在本文中，表明聚焦的时置复发性神经网络（FTLRNN）可以优雅地求解以减少EMG信号的噪声。经过严格的计算机模拟后，作者开发了最佳的FTLRNN模型，该模型消除了EMG信号的噪声。结果表明，所提出的最佳FTLRNN模型的MSE（均方根误差）低至0.000067和0.000048，相关系数分别为0.99950和0.99939，对于噪声信号和EMG信号，相关系数在测试数据集上进行验证。还注意到，估计的FTLRNN模型的输出非常遵循真正的FTLRNN模型。该网络确实很健壮，因为EMG信号可容忍均匀噪声的噪声方差从0.1到0.4，而高斯噪声的噪声方差为0.30。显然，网络的培训独立于数据集的特定分区。 It is seen that the performance of the proposed FTLRNN model clearly outperforms the best Multilayer perceptron (MLP) and Radial Basis Function NN (RBF) models. The simple NN model such as the FTLRNN with single-hidden layer can be employed to remove noise from EMG signal. SN - 1687-9724 UR - https://doi.org/10.1155/2009/129761 DO - 10.1155/2009/129761 JF - Applied Computational Intelligence and Soft Computing PB - Hindawi Publishing Corporation KW - ER -