-
题名基于惯性信号与肌电信号的手势识别方法
- 1
-
-
作者
王胜东
李忠新
-
机构
南京理工大学机械工程学院
-
出处
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第6期740-747,共8页
-
文摘
为解决人体表面肌电信号(EMG)误差较大导致手势识别准确率低的问题,提出了一种将手指尖与关节相对于腰部尾椎位置的惯性运动信号与手臂的EMG进行融合,提取新的手势特征集并利用改进禁忌搜索优化后的反向传播(BP)神经网络分类识别。实验结果表明,该特征集相比于传统的肌电特征集准确率提高了8.5%,优化后的BP神经网络相比于优化前准确率提高了12.33%,手势识别综合准确率可达99.75%。
-
关键词
惯性信号
肌电信号
手势识别
运动信号
反向传播神经网络
改进禁忌搜索
-
Keywords
inertial signal
electromyography
gesture recognition
motion signal
back propagation neural network
improved tabu search
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名多源域迁移学习的肌电-惯性特征融合及手势识别
被引量：1
- 2
-
-
作者
谢平
赵连洋
张艺滢
徐猛
江国乾
陈杰
-
机构
燕山大学电气工程学院
河北省智能康复及神经调控重点实验室
北京理工大学设计与艺术学院
燕山大学体育学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第7期187-195,共9页
-
基金
国家自然科学基金(62076216)
河北省高等学校人文社会科学研究项目(SQ2021010)
+2 种基金
教育部人文社科青年基金项目(21YJC890001)
河北省自然科学基金委员会重点项目(F2022203079)
河北省创新能力提升计划项目(22567619H)资助。
-
文摘
在跨用户手势识别研究中,针对单源域迁移学习存在的负迁移和模型泛化性能差的问题,本研究创新性地提出了一种基于肌电-惯性特征融合的多源域迁移学习策略,关键创新点在于整合多个源域的数据,并在此基础上采用域特有特征对齐与域分类器对齐的技术手段。这一方法旨在强化模型在不同用户间的手势识别性能,进而显著提升跨用户手势识别系统的准确性。首先,引入长短时记忆(long short-term memory, LSTM)网络模型,提取肌电-惯性信息的平均绝对值、方差、峰值等时序特征;其次进行域特有特征对齐与域分类器对齐,利用多个源域数据完成对目标域的特征提取;最后融合分类损失、域特有特征差异损失和域分类器差异损失3个损失函数,协同优化整体损失。实验结果表明,所提方法与单源域、源域组合等多种传统方法相比,识别平均率有所提高,在NinaPro DB5数据集上,目标用户的手势识别平均准确率达到80%以上。
-
关键词
肌电-惯性信号
跨用户手势识别
多源域迁移学习
长短时记忆网络
特征对齐
-
Keywords
EMG inertial signal
cross user gesture recognition
multi-source transfer learning
long short-term memory
feature alignment
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于脑电和惯性同步分析的神经动力学耦合研究
- 3
-
-
作者
谢平
蔚建
张腾宇
程生翠
吕岩
陈晓玲
-
机构
燕山大学河北省测试计量技术及仪器重点实验室
燕山大学河北省智能康复及神经调控重点实验室
国家康复辅具研究中心北京市老年功能障碍康复辅助技术重点实验室
国家康复辅具研究中心民政部神经功能信息与康复工程重点实验室
-
出处
《数据采集与处理》
CSCD
北大核心
2022年第4期736-746,共11页
-
基金
国家自然科学基金(U20A20192,61901407,62076216)
河北省重点研发计划(21372005D,19214306D)
+2 种基金
河北省教育厅高等学校科学技术研究项目(QN2019011)
燕山大学基础创新科研培育项目(2021LGZD010)
河北省创新能力提升计划项目(22567619H)。
-
文摘
运动控制是神经、运动和感觉功能的多方面协调及信息交互作用过程,探究运动系统中运动⁃生理信息间的关联关系对于理解人体运动控制机制具有重要意义。为此,本文通过对脑电信号(Electroencephalogram,EEG)和惯性信息中的加速度信号(Acceleration,ACC)进行相干分析,探究上肢静息态和任务态时EEG和ACC信号间的因果关系及演变规律。首先,通过对7名受试者的EEG和ACC信号进行预处理,去除信号中的干扰成分;进一步,分别计算在静息态、任务态(动态力、静态力)下的EEG和ACC信号间的相干性结果,并通过显著相干的阈值指标来计算显著性面积进而实现量化分析。结果显示,在动态力下的EEG⁃ACC相干显著性面积大于静态力下的值,静态力下的显著性面积大于静息态下的值;且分别在左、右侧上肢运动时,EEG的C3、C4通道与ACC间的显著性面积也呈现出在对侧运动脑区显著。研究结果表明,EEG和ACC信号间的同步特征在上肢运动的静息态、任务态(动态力、静态力)下有显著特征,这有助于深入理解神经⁃运动控制机制,为运动功能评估提供新的定量指标,进而为运动功能障碍疾病的早期诊断提供理论依据。
-
关键词
脑电信号
惯性信号
运动控制
相干分析
同步分析
-
Keywords
electroencephalogram
inertial measurement unit
motion control
coherence analysis
synchronous analysis
-
分类号
R318
[医药卫生—生物医学工程]
-
