基于多域融合与特征选择的手势识别研究

作者：冯凯; 董秀成^*; 刘栋博

来源：传感器与微系统, 2023, 42(05): 37-44.

DOI：10.13873/J.1000-9787(2023)05-0037-04

• 表面肌电信号
• 多域融合
• 特征选择
• 分类器
• 手势识别

由于手部运动类型增加，准确地对表面肌电(sEMG)信号进行分类需要更多特征。针对特征维数增加导致的特征冗余现象，提出了基于多域融合与特征选择的手势识别方法。从4个通道sEMG信号中提取时域、频域和时频域特征构成特征集。分别采用最小冗余最大相关(mRMR)、基于快速关联的过滤(FCBF)算法、ReliefF、Pearson相关系数进行特征排序，并且利用线性判别分析(LDA)与支持向量机(SVM)对12种精细手势动作进行分类。将4种特征选择与2种分类器的组合构成不同的手势识别模型，SVM-ReliefF手势识别模型分类效果优于其余7种识别模型，在提取30维特征的情况下，分类准确率为96.67%。结果表明：基于多域融合与特征选择的手势识别降维效果显著，且分类效果较好。

• 单位
  西华大学