利用柔性神经树的实时肌电信号手势识别模型

• 作者: Abraham Ajith 王清华 郭一娜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 实时识别 表面肌电信号 柔性神经树 均方根 方均根误差
• 年，卷（期）: 2012,（17）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 207-210,228
• 分类号: TP391.4
• 字数: 3467字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.17.041

摘要

传统的手势识别通常采用数字信号处理(Digital Signal Processing,DSP)芯片或者集合方法(Ensemble Methods)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.提出一种基于表面肌电信号与柔性神经树(Flexible Neural Trees,FNT)模型的实时手势识别模型.表面肌电信号(surface Electromyography,sEMG)具有非入侵式、易于采集特点,故被广泛应用于行为识别和诊断等领域.柔性神经树模型通过简单的预定义来构建,能够解决人工神经网络(Artificial Neural Network,ANN)的结构依赖性高的问题.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和较低的方均根误差(Root Mean Square Error,RMSE),实验针对六名参与者的六种手势进行测试,结果表明该模型实时识别率较高,实际应用也证明该算法可行.

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