基于柔性神经树和表面肌电信号的手势识别模型

• 作者: 王清华 艾杰特·亚伯拉罕 郭一娜
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 表面肌电信号 柔性神经树 均方根 均方根误差 Microsoft Visual C++2008
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 基金项目论文
• 页码范围: 170-173
• 分类号: TP391.4
• 字数: 4323字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2012.04.046

摘要

表面肌电信号因为具有非入侵式、易于采集特点,被广泛应用于康复医疗和行为识别等领域.传统的基于表面肌电信号sEMG( Surface Electromyography)的手势识别通常采用数字信号处理DSP( Digital Signal Processing)芯片或者集合方法研究实时识别问题.这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低.提出一种基于肌电信号与柔性神经树FNT(Flexible Neural Trees)模型的实时手势识别模型.柔性神经树模型通过简单的预定义建立,能够解决人工神经网络ANN( Artificial Neural Network)的结构高依赖性问题.柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率.针对六名参与者的六种手势进行实验,实验结果表明:该模型的均方根误差RMSE(Root Mean Square Error)最低为0.000385,实时识别率最高可达97.53％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王清华	太原科技大学电子与信息工程学院	20	47	4.0	5.0
2	郭一娜	太原科技大学电子与信息工程学院	22	55	4.0	7.0