基于IMU与sEMG混合信号的实时手势分类算法研究

Research on Real-time Gesture Classification Algorithm Based on IMU and sEMG Mixed Signals

王涛 ¹吴迎年 ²杨睿 ¹孙乐音¹

扫码查看

作者信息

1. 北京信息科技大学自动化学院,北京 100092
2. 北京信息科技大学自动化学院,北京 100092;高端装备智能感知与控制北京市国际科技合作基地,北京 100192;智能物联与协同控制研究所,北京 100101
折叠

摘要

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GRU-BiLSTM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(information translate rate,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.

关键词

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

引用本文复制引用

基金项目

北京市自然科学基金(4202026)

国家级大学生创新创业训练计划(2021)(5102110803)

出版年

2023

系统仿真学报

北京仿真中心中国系统仿真学会

系统仿真学报

CSTPCDCSCD北大核心

影响因子：0.551

ISSN：1004-731X

被引量2

参考文献量15

段落导航