代自我训练基于跨用户的域名适应 sEMG 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
• 康复技术 康复技术 康复技术

背景情况:

• 表面电肌图 (sEMG) 对于康复中的手势识别至关重要.
• sEMG信号高度依赖用户,限制了模型的概括性.
• 现有的域适应方法与复杂的生理信号作斗争.

研究的目的:

• 为跨用户的sEMG手势识别开发一种新的域适应方法.
• 为了解决当前处理用户变化的方法的局限性.
• 提高sEMG识别模型对新用户的适用性.

主要方法:

• 提出了一种基于代自我训练的域调整 (STDA) 方法.
• 使用基于差异的域调整 (DDA) 与高斯核距离.
• 实施伪标签代更新 (PIU) 进行增强的数据标签.

主要成果:

• 在跨用户的sEMG手势识别中,STDA表现出显著的性能改进.
• 该方法有效地监督了使用自生成伪标签的特征脱.
• 在NinaPro和CapgMyo数据集上的实验验验证了该方法的有效性.

结论:

• 拟议的STDA方法为用户独立的sEMG手势识别提供了一个强大的解决方案.
• STDA增强了功能脱和伪标签,以更好地适应跨用户.
• 这项工作促进了sEMG在各种用户场景中的实际应用.