采用深度学习和表面肌电信号的上肢动作识别

打开文本图片集

摘要：使用上肢表面肌电信号对上肢动作进行识别是实现康复机器人持续被动运动和主动辅助运动模式的重要方法。为了提高基于表面肌电信号（surface electromyography， sEMG）的上肢动作识别精度，分别采用了分段时域信号和拼接频谱图的两种肌电动作识别方法。分段时域信号方法采用融合卷积神经网络（convolutional neural network， CNN）、長短时记忆网络（Long Shortterm Memory， LSTM）和注意力机制的自建网络对上肢动作进行识别；拼接频谱图方法将预处理后的时域信号通过短时傅里叶变换（ShortTime Fourier Transform， STFT）转换为对应频谱图，利用两种微调的预训练模型VGG16和Resnet50对所有通道竖直拼接的频谱图提取特征并将特征拼接，结合支持向量机对上肢动作进行识别。（剩余98字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。