基于KF-LSTM模型的手写数字轨迹的sEMG重建算法

• 作者: 文杨靓 杨钟亮 陈育苗
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 手写重建 表面肌电 长短期记忆网络 卡尔曼滤波
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 虚拟现实与交互技术
• 页码范围: 1247-1257
• 页数: 11页
• 分类号: TP391.41
• 字数: 7920字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17482

摘要

为了从神经肌肉活动中有效地重建出手写轨迹,提出一种卡尔曼滤波器与长短期记忆网络深度融合的混合模型(KF-LSTM),对手写数字轨迹坐标映射的表面肌电(sEMG)信号进行训练与解码.招募5名被试,设计了组间实验和组内实验方案,同步采集手写过程中的sEMG和轨迹坐标,构建基于KF-LSTM的手写轨迹预测模型;以决定系数和主观可辨认度作为评价指标,分别与LSTM模型、浅层神经网络(NN)模型以及KF模型的重建结果进行比较.实验结果表明,KF-LSTM模型在组间实验及组内实验中的表现均高于其他3种方法,能有效地提升重建精度,提高重建轨迹的光顺度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨钟亮	东华大学机械工程学院	5	11	2.0	3.0
2	文杨靓	东华大学机械工程学院	1	0	0.0	0.0
3	陈育苗	华东理工大学艺术设计与传媒学院	1	0	0.0	0.0