文献类型：期刊文章

作　　者：陈思佳[1] 罗志增[1]

Chen Sijia;Luo Zhizeng(Intelligent Control and Robot Research Institute,Hangzhou Dianzi University,Hangzhou 310018,China)

机构地区：[1]杭州电子科技大学智能控制与机器人研究所,杭州310018

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61671197)项目资助

年　　份：2021

卷　　号：42

期　　号：2

起止页码：162-170

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：用表面肌电进行手势识别具有细节信息可选择性和抗外界干扰能力强的优势,但现有方法的适应性和识别准确性还不足。通过在卷积神经网络的基础上增加长短时记忆网络处理层,构筑手势识别模型,它能捕获手势动作过程的肌电时序特征,一定程度上减少了过拟合的现象。利用手势肌电丰富的时频域信息,提取手势肌电的小波包特征图像,并与手势肌电图像一起作为识别模型的输入数据,拓展手势识别模型中肌电信号的类别信息,同时在长短时记忆网络处理层与卷积神经网络层之间引入注意力机制,使得该模型能间接提高关键手势肌电通道的权重。实验结果证实本识别模型结合肌电两种特征输入的处理方法,与普通卷积神经网络模型以肌电图像输入的方法相比,识别准确率提升了4.25%。

关 键 词：肌电信号 小波包分解 长短时记忆神经网络  注意力机制  手势肌电识别  

分 类 号：TP391.4] TH89[计算机类]