EMG-FRNet:一个功能重建网络,用于EMG无关的手势识别

科学领域:

• 生物医学工程 生物医学工程
• 机器学习 机器学习
• 人与计算机的交互

背景情况:

• 表面电肌图 (EMG) 信号对于人机交互中的手势识别至关重要.
• 目前的系统在与不相关的手势的干扰作斗争,影响准确性和安全性.
• 检测不相关的手势对于强大的基于EMG的系统至关重要.

研究的目的:

• 开发一种有效的方法,用于无关的手势识别,使用表面EMG信号.
• 引入和调整GANomaly网络以基于EMG的无关手势检测.
• 提出一个改进的特征重建网络,EMG-FRNet,以提高性能.

主要方法:

• 调整了GANomaly网络以检测EMG信号中的异常,根据特征重建错误区分目标与无关的手势.
• 拟议的EMG-FRNet,包括通道裁剪 (CC),跨层编码解码特征融合 (CLEDFF) 和SE通道注意力 (SE).
• 在Ninapro DB1,Ninapro DB5和一个自我收集的数据集上验证了模型.

主要成果:

• 在所有测试的数据集中,EMG-FRNet表现出高性能.
• 在接收器运行特征下,AUC值为0.940 (Ninapro DB1),0.926 (Ninapro DB5) 和0.962 (自收集).
• 在EMG无关的手势识别准确性方面表现优于现有的相关研究.

结论:

• 拟议的EMG-FRNet模型显著提高了基于EMG的系统中不相关的手势识别的准确性和可靠性.
• 将GANomaly原则与新型网络结构集成为增强人机交互安全提供了一个有前途的方法.
• 在EMG手势识别中,EMG-FRNet代表了解决不必要运动干扰的实质性进展.