基于表面肌电和位姿信息融合的手势动作识别

作者：杨庆华; 金圣权; 都明宇; 王志恒^*

来源：高技术通讯, 2023, 33(12): 1295-1302.

• 表面肌电信号(s EMG)
• 位姿信号
• 多模融合
• 核主成分分析方法(KPCA)
• 随机森林(RF)

针对仅通过表面肌电信号(s EMG)进行手势识别难以应对复杂手势的问题,提出一种基于表面肌电和位姿信息融合的手势识别方法。通过双阈值方法对信号活动段进行分割,提取表面肌电信号、位姿信号的特征,使用核主成分分析方法(KPCA)对提取特征进行降维融合,使提取特征中的非线性信息得到较好保留,最后通过随机森林(RF)分类器进行分类识别。实验结果显示,该方法对10名受试者的11种不同手势的最佳平均识别率为98.23%,单个动作的识别准确率均在90%以上,验证了提出方法的可靠性。

• 单位
  特种装备制造与先进加工技术教育部; 浙江工业大学