仪器仪表学报

作者：郑 楠，李玉榕，张文萱，李吉祥

单位：郑 楠,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械与医药技术重点实验室,,李玉榕,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械与医药技术重点实验室,,张文萱,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械与医药技术重点实验室,,李吉祥,1. 福州大学电气工程与自动化学院，2. 福建省医疗器械与医药技术重点实验室,

关键词：用户无关;肌肉协同;可穿戴设备;手势识别

基金：国家自然科学基金(61773124)、福建省自然科学基金(2019J01544)项目资助

表面肌电信号可以反映用户的动作意图,因而成为人机交互的主要控制信号。然而,个体差异性使得用户模型不通用,不利于发展普适性的肌电设备。本文从神经协同控制角度出发,通过非负矩阵分解算法提取肌肉协同,并利用少量新用户预实验数据和最小二乘法,得到与预实验协同相近的新协同作为特征量。为了在低频可穿戴场景的应用考虑,分别在支持向量机、误差反向传播网络、K近邻算法这3个简单易移植的分类器上训练与测试。在Ninapro数据库的DB1(100Hz)和DB5(200Hz)中分别开展了4组手势识别实验,平均识别正确率分别为81.12%、78.19%、74.07%、60.11%(DB1)和85.75%、83.25%、79.07%、66.10%(DB5),比现有的低频可在线识别算法高了10%以上。本文算法简单方便,利用现有用户数据和少量新用户预实验数据即可训练分类器,并且从神经协调角度去判断意图,更有利于发展符合人体自然运动的控制方式,为可穿戴肌电设备的普及提供了可行的方案。

来源：2021年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第9期