基于组合RNN网络的EMG信号手势识别

被引：25

作者：

周旭峰 ^{[1
]}

王醒策 ^{[1
]}

武仲科 ^{[1
]}

Vladimir Korkhov ^{[2
]}

Luciano Paschoal Gaspary ^{[3
]}

机构：

[1] 北京师范大学人工智能学院

[2] Department of Computer Modeling and Multiprocessor Systems,StPetersburg State University (SPbSU)

[3] Institute of Informatics,Federal University of Rio Grande do Sul(UFRGS)

来源：

光学精密工程 | 2020年 / 02期

基金：

国家重点研发计划;

关键词：

手势识别; MYO臂环; 组合RNN网络; 肌肉-计算机接口系统;

D O I：

暂无

中图分类号：

R318 [生物医学工程]; TN911.7 [信号处理]; TP18 [人工智能理论];

学科分类号：

081002 [信号与信息处理]; 100103 [病原生物学]; 140502 [人工智能];

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EMG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RNN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。

引用

页码：424 / 442

页数：19

共 13 条

[1]

引入再检测机制的孪生神经网络目标跟踪 [J].

梁浩 ;

刘克俭 ;

刘康 ;

刘岩俊 ;

陈小林 .

光学精密工程, 2019, 27 (07) :1621-1631

[2]

利用迁移学习的机载激光雷达点云分类 [J].

赵传 ;

张保明 ;

余东行 ;

郭海涛 ;

卢俊 .

光学精密工程, 2019, 27 (07) :1601-1612

[3]

基于改进YOLOv2的快速安全帽佩戴情况检测 [J].

方明 ;

孙腾腾 ;

邵桢 .

光学精密工程, 2019, 27 (05) :1196-1205

[4]

面向肌电信号的虚拟现实提线木偶动画研究 [J].

谭宇彤 ;

周旭峰 ;

孔令芝 ;

王醒策 ;

武仲科 ;

税午阳 ;

付艳 ;

周明全 ;

Vladimir KORKHOV ;

Luciano Paschoal GASPARY .

软件学报, 2019, 30 (10) :2964-2985

[5]

基于LSTM循环神经网络的故障时间序列预测 [J].

王鑫 ;

吴际 ;

刘超 ;

杨海燕 ;

杜艳丽 ;

牛文生 .

北京航空航天大学学报, 2018, (04) :772-784

[6]

表面肌电信号的特征提取与模式分类研究 [D].

邱青菊 .

上海交通大学,

2009

[7]

Worker Activity Recognition in Smart Manufacturing Using IMU and sEMG Signals with Convolutional Neural Networks[J] Wenjin Tao;Ze-Hao Lai;Ming C. Leu;Zhaozheng Yin Procedia Manufacturing 2018,

[8]

Subject-independent hand gesture recognition using normalization and machine learning algorithms[J] Md Ferdous Wahid;Reza Tafreshi;Mubarak Al-Sowaidi;Reza Langari Journal of Computational Science 2018,

[9]

A multi-stream convolutional neural network for sEMG-based gesture recognition in muscle-computer interface[J] Wentao Wei;Yongkang Wong;Yu Du;Yu Hu;Mohan Kankanhalli;Weidong Geng Pattern Recognition Letters 2017,

[10]

Current state of digital signal processing in myoelectric interfaces and related applications[J] Maria Hakonen;Harri Piitulainen;Arto Visala Biomedical Signal Processing and Control 2015,

← 1 2 →