注意力机制CNN结合肌电特征矩阵的手势识别研究

作者：赵世昊; 周建华^*; 伏云发

来源：电子测量与仪器学报, 2023, 37(06): 59-67.

DOI：10.13382/j.jemi.B2306373

• 手势识别
• 肌电特征矩阵
• 有效通道注意力
• 卷积神经网络

当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度，较少关注改善样本数据分布带来的性能提升。针对此类问题，提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制CNN,用于识别NinaproDB1中52类手势。首先使用时间窗截取低通滤波后的sEMG,计算多种信号时域特征；然后利用笛卡尔积组合并相乘不同特征，对特征相乘值进行归一化后得到EFM。同时，引入ECA机制使网络关注重要的深层特征，从而提升手势分类效果。分别输入sEMG、肌电时域特征和EFM到注意力机制CNN进行手势识别，EFM识别准确率最高，达到了86.39%,高于近年来手势识别研究方法精度。验证了提出方法的有效性，为多类别手势准确分类提供可行新方案。

• 单位
  昆明理工大学; 自动化学院