基于ResNet18模型的表面肌电信号手势识别

武 志远, 高 宇博, 王 敏名, 阚 秀
上海工程技术大学电子电气工程学院

摘要


本文提出一种基于表面肌电信号（sEMG）的手势动作识别模型，针对sEMG信号的非平稳性及噪声干扰问题，采用带通滤波与陷波滤波对原始信号进行滤波降噪，通过滑动窗口分割动作数据，结合PSO算法与残差神经网络ResNet18，建立基于sEMG的手势识别模型。实验结果表明，所设计的模型在测试集准确率达98.58%，证明了所提出方法的有效性。

关键词


表面肌电信号；频谱分析；ResNets18；PSO

全文:

PDF


参考


[1]范韫仪，王一然，郑晓瑛.中国老年残疾人口康复服务利用现状及影响因素分析[J].中国卫生政策研究，2022，15（05）：31-39.

[2]侯秀丽，许美珏，李庆.表面肌电信号采集与抗干扰技术研究[J].技术与市场，2019，26（03）：65-66.

[3]He K,Zhang X,Ren S,et al.Deep Residual Learning for Image Recognition[J].IEEE, 2016.DOI:10.1109/CVPR.2016.90.

[4]任衍敏，侯锟，王大东.基于Android的声音频谱分析器研究与设计[J].佳木斯大学学报（自然科学版），2018，36（01）：55-57.

[5]杨诞，阚秀，曹乐，等.基于新型双输入卷积神经网络的肌电模式识别[J].中国医学物理学杂志，2022，39（06）：743-751.


Refbacks

  • 当前没有refback。