基于KF-LSTM模型的手写数字轨迹的sEMG重建算法

作者：杨钟亮; 文杨靓^*; 陈育苗

来源：计算机辅助设计与图形学学报, 2019, 31(07): 1247-1257.

• 手写重建
• 表面肌电
• 长短期记忆网络
• 卡尔曼滤波

为了从神经肌肉活动中有效地重建出手写轨迹,提出一种卡尔曼滤波器与长短期记忆网络深度融合的混合模型(KF-LSTM),对手写数字轨迹坐标映射的表面肌电(sEMG)信号进行训练与解码.招募5名被试,设计了组间实验和组内实验方案,同步采集手写过程中的sEMG和轨迹坐标,构建基于KF-LSTM的手写轨迹预测模型;以决定系数和主观可辨认度作为评价指标,分别与LSTM模型、浅层神经网络(NN)模型以及KF模型的重建结果进行比较.实验结果表明,KF-LSTM模型在组间实验及组内实验中的表现均高于其他3种方法,能有效地提升重建精度,提高重建轨迹的光顺度.

• 单位
  东华大学; 华东理工大学