-
题名基于多通道表面肌电传感器的手势识别
- 1
-
-
作者
张劲勇
韩倩
陈俞强
郭剑岚
-
机构
茂名职业技术学院计算机工程系
东莞职业技术学院人工智能学院
-
出处
《传感器与微系统》
北大核心
2025年第10期44-47,51,共5页
-
基金
广东省基础与应用基础研究基金资助项目(2020A1515110162)
广东省乡村振兴战略专项资金资助项目(20211800400102)。
-
文摘
针对多通道表面肌电(sEMG)传感器手势识别精度提升需求,提出新型手势识别框架,采用连续小波变换(CWT)将信号转为时频图,设计DIFT-Net分类网络,集成Swin Transformer双分支结构,通过注意力引导模块(AGM)增强局部特征提取,注意力交互模块(AIM)实现多尺度全局特征融合。实验基于自建和Nanapro DB1数据集验证,DIFT-Net分别取得98.36%和82.64%的精度,显著优于传统方法。结果表明,该框架能有效融合局部与全局特征,显著提升多通道sEMG传感器手势识别性能,为人机交互应用提供新方案。
-
关键词
表面肌电传感器
手势识别
TRANSFORMER
注意力引导模块
注意力交互模块
-
Keywords
sEMG sensor
gesture recognition
Transformer
AGM
AIM
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于神经网络的多模态融合步态识别研究
- 2
-
-
作者
刘景源
张荣良
武鹏飞
杨丁宇
何剑
-
机构
中北大学极限环境光电动态测试技术与仪器全国重点实验室
-
出处
《传感器与微系统》
2025年第11期28-32,37,共6页
-
基金
国家自然科学基金资助项目(62171414,52175554)。
-
文摘
步态识别对智能可穿戴设备的人机融合至关重要。传统步态识别方案响应速度慢,多种步态综合识别准确率低,导致人机融合度低和穿戴舒适性差。针对可穿戴设备高度人机融合的需求,提出了融合表面肌电(sEMG)传感器与惯性传感器(IMU)的步态及相位精准识别方法。以三轴加速度序列为基础特征源,构建多层感知器(MLP)神经网络模型,对走、跑、上下楼、上下坡六种步态进行分类识别。同步引入sEMG传感器,研究腓肠肌收缩放松与步态相位的关联逻辑,通过“惯性特征—肌电强度—边缘运算”协同机制,实现步态相位的精准判断。测试结果表明:步态识别响应时间小于0.76 s,综合识别准确率达到了96.57%。该方法为可穿戴设备的智能化、精准化人机融合提供关键技术支撑,具备一定的工程应用价值。
-
关键词
表面肌电传感器
惯性传感器
步态识别
多层感知器
边缘运算
-
Keywords
sEMG sensor
IMU
gait recognition
MLP
edge computing
-
分类号
TP212
[自动化与计算机技术]
-
