基于肌电信号和姿态信号的手势识别

作者：张发辉; 杨大勇; 刘婷

来源：传感器与微系统, 2019, 38(07): 46-49+52.

DOI：10.13873/j.1000-9787(2019)07-0046-04

• 手势识别
• 肌电信号
• 姿态信号
• 活动段检测
• 特征提取
• 支持向量机(SVM)分类

针对仅利用手臂表面肌电(EMG)信号难以准确识别手指动作的问题,提出了将手指关节的姿态信号与表面EMG信号融合用于识别手指姿势的方法。利用MYO手环同步采集手臂的8组肌电信号,同时利用姿态传感器采集手指运动时的三维角度信息。采用滑动平均能量法,依据采集到的原始EMG信号进行活动段检测,提取出执行有效动作过程中的相关信号,并分别采用绝对值均值(MAV)和标准差(SD)对该部分的肌电信号和角度信号提取特征。将提取的特征值作为SVM多类分类器的输入,用于识别手势动作。实验结果表明:融合手指角度信号可有效提高手指动作的识别率,整体识别率达到99. 3%。

• 单位
  南昌大学信息工程学院; 南昌大学机电工程学院