基于sEMG和LSTM的指尖力预测

作者：刘乐远; 曹乐^*; 阚秀; 张文艳

来源：传感器与微系统, 2022, 41(08): 120-123.

DOI：10.13873/J.1000-9787(2022)08-0120-04

• 表面肌电信号
• 长短时记忆网络
• 动作分类
• 指尖力预测

针对智能假手指尖力控制精度低的问题，提出了一种基于表面肌电(sEMG)和长短时记忆(LSTM)网络的指尖力预测方法。首先，通过搭建的指尖力预测实验平台，同步采集肌电信号和指尖力信号。然后，对采集到不同动作下的sEMG信号进行降噪处理、活动段划分、特征提取，使用反向传播(BP)神经网络和支持向量机(SVM)的方法进行分类。最后，建立表面肌电信号和力(sEMG-F)的映射模型，通过LSTM进行训练预测，并与广义回归神经网络(GRNN)的预测结果进行对比，表明LSTM的指尖力预测误差在1.3～1.7 N,验证了LSTM网络的优越性。

• 单位
  上海工程技术大学