科研之友
微信
新浪微博
Facebook
分享链接
摘要
表面肌电图(sEMG)主要用于记录肌肉的电活动,现已被广泛应用于假手的控制。现在用于sEMG模式识别的深度学习算法主要是卷积神经网络(CNN),为了更有效地利用sMEG中的时间序列信息,该研究提出了一种基于sEMG的新型的双向长短期记忆(BiLSTM)神经网络的手势识别算法。该算法已经在NinaProDB1和CapgMyo DB-a两个基准数据库上完成了验证,识别准确率分别可以达到88.5%和99.2%。结果表明:该模型在稀疏多通道sEMG和高密度sEMG上识别性能均有所改善,可以更好地实现基于sEMG的手势识别。
- 单位
