采用深度學習和表面肌電信號的上肢動作識別
2023-05-07 01:05:29徐林森張恒瑋陳根汪志煥眭翔
哈爾濱理工大學學報 2023年6期
徐林森 張恒瑋 陳根 汪志煥 眭翔
摘要：使用上肢表面肌電信號對上肢動作進行識別是實現(xiàn)康復機器人持續(xù)被動運動和主動輔助運動模式的重要方法。為了提高基于表面肌電信號（surface electromyography， sEMG）的上肢動作識別精度，分別采用了分段時域信號和拼接頻譜圖的兩種肌電動作識別方法。分段時域信號方法采用融合卷積神經(jīng)網(wǎng)絡（convolutional neural network， CNN）、長短時記憶網(wǎng)絡（Long Shortterm Memory， LSTM）和注意力機制的自建網(wǎng)絡對上肢動作進行識別；拼接頻譜圖方法將預處理后的時域信號通過短時傅里葉變換（ShortTime Fourier Transform， STFT）轉(zhuǎn)換為對應頻譜圖，利用兩種微調(diào)的預訓練模型VGG16和Resnet50對所有通道豎直拼接的頻譜圖提取特征并將特征拼接，結(jié)合支持向量機對上肢動作進行識別。實驗結(jié)果表明，所提出的兩種方法在采集的受試者肌電信號數(shù)據(jù)集上均表現(xiàn)出90%以上的識別精度，可有效區(qū)分不同的上肢動作。
關鍵詞：上肢動作識別；表面肌電信號；分段時域信號；拼接頻譜圖；預訓練模型
