-
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]
-
