采用變分模態(tài)分解與領(lǐng)域自適應(yīng)的表面肌電信號(hào)手勢(shì)識(shí)別

打開(kāi)文本圖片集

摘要：針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)在表面肌電信號(hào)手勢(shì)識(shí)別領(lǐng)域的適應(yīng)性和準(zhǔn)確性不足，以及新用戶因個(gè)體生理和行為差異在已有模型上表現(xiàn)不佳的問(wèn)題，提出一種利用卷積神經(jīng)網(wǎng)絡(luò)模型并有效克服肌電數(shù)據(jù)分布差異的算法，用于提升手勢(shì)識(shí)別的性能。首先對(duì)肌電信號(hào)進(jìn)行變分模態(tài)分解，構(gòu)建易于識(shí)別的表面肌電圖像，并提出了一種卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行手勢(shì)識(shí)別，提升用戶相關(guān)的肌電信號(hào)手勢(shì)識(shí)別準(zhǔn)確率；同時(shí)利用遷移學(xué)習(xí)中的領(lǐng)域自適應(yīng)和模型微調(diào)技術(shù)，提升用戶無(wú)關(guān)的肌電信號(hào)手勢(shì)識(shí)別準(zhǔn)確率，并將所提算法在NinaPro DB1肌電數(shù)據(jù)集中進(jìn)行了3分類、4分類、5分類和12分類共4組評(píng)估驗(yàn)證。（剩余21474字）