基于IMU与sEMG混合信号的实时手势分类算法研究

作者：王涛; 吴迎年^*; 杨睿; 孙乐音

来源：系统仿真学报, 2023, 35(02): 359-371.

DOI：10.16182/j.issn1004731x.joss.21-1117

• 表面肌电信号
• 惯性测量单元
• 门控循环单元
• 双向长短时记忆循环神经网络
• 手势分类

为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率，通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号，提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测，定位运动态数据起始点；第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化，分类算法识别时间低于40 ms，突变点检测精度88.7%以上，手势分类准确率为85%，信息传输率(informationtranslaterate, ITR)达到89.9 bits/min，与基于机器学习的分类算法相比，在准确率与计算效率上具有优势。

• 单位
  北京信息科技大学; 自动化学院