| 基于IMU与sEMG混合信号的实时手势分类算法研究 |
| |
| 作者姓名： | 王涛 吴迎年 杨睿 孙乐音 |
| |
| 作者单位： | 1.北京信息科技大学 自动化学院, 北京 1000922.高端装备智能感知与控制北京市国际科技合作基地, 北京 1001923.智能物联与协同控制研究所, 北京 100101 |
| |
| 基金项目： | 北京市自然科学基金(4202026);2021年国家级大学生创新创业训练项目(5102110803) |
| |
| 摘 要： | 为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率,通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号,提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测,定位运动态数据起始点;第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化,分类算法识别时间低于40 ms,突变点检测精度88.7%以上,手势分类准确率为85%,信息传输率(informationtranslaterate, ITR)达到89.9 bits/min,与基于机器学习的分类算法相比,在准确率与计算效率上具有优势。
|
| 关 键 词： | 表面肌电信号 惯性测量单元 门控循环单元 双向长短时记忆循环神经网络 手势分类 |
| 收稿时间： | 2021-11-02 |
|
| 点击此处可从《系统仿真学报》浏览原始摘要信息 |
|
点击此处可从《系统仿真学报》下载全文 |
|
