基于组合RNN网络的EMG信号手势识别

• 作者: Luciano Paschoal Gaspary Vladimir Korkhov 周旭峰 武仲科 王醒策
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 手势识别 MYO臂环 组合RNN网络 肌肉-计算机接口系统
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 424-442
• 页数: 19页
• 分类号: TP394.1|TH691.9
• 字数: 10450字
• 语种: 中文
• DOI: 10.3788/OPE.20202802.0424

摘要

肌肉计算机接口(MCI)系统是虚拟现实、人机交互研究的热点之一,其核心问题是EMG肌电信号分类,因而MCI系统可以与深度学习方法有效结合.表面EM G信号分为高密度瞬时信号与稀疏多通道信号,前者类似于图像,可以采用CNN网络处理;本文应用RNN网络对后者进行研究,并利用MYO臂环实现了相应MCI系统.稀疏多通道EMG信号是不定长时间序列信号,前后时间相关性高,采用RNN网络进行分类.通过对原始信号进行时域、时频域、频域特征拓展,获得原始信号的多流特征序列,并提出两类组合RN N网络架构处理相应多流信号.用户依赖时算法准确率达90.78％,非用户依赖的人群测试中手势识别准确率达78.01％,实时动作识别准确率达82.09％,算法能在61.7毫秒内识别手势动作.本文所提出的组合RNN网络方法可以有效区分基于EMG信号的不同动作,且所设计的MCI系统用户泛化性与工作实时性表现好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武仲科	北京师范大学人工智能学院	41	311	10.0	15.0
2	王醒策	北京师范大学人工智能学院	19	139	8.0	11.0
3	周旭峰	北京师范大学人工智能学院	1	0	0.0	0.0