基于动态域概括的跨主题EMG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:

• 基于电肌图 (EMG) 的手势识别通常使用转移学习.
• 跨学科方法需要新用户的校准数据,这很不方便.
• 这种校准要求阻碍了EMG手势识别的实际,日常应用.

研究的目的:

• 提出一种新的动态域泛化 (DDG) 方法.
• 为了实现基于EMG的精确手势识别,用于没有校准数据的新对象.
• 克服当前EMG识别系统中校准数据收集的障碍.

主要方法:

• 一个元调整器用于生成模板系数用于动态网络参数调整.
• 设计了两种类型的模板:多种特征 (时间,空间,空间-时间) 和规范化层.
• 使用混合式数据增强技术来增强元调整器的训练数据多样性.

主要成果:

• 拟议的DDG方法实现了对新受试者的手势的准确识别.
• 该方法成功地消除了对校准数据的需求.
• 在公共数据集上的实验结果表明,与现有方法相比,其性能优越.

结论:

• 新的DDG方法有效地解决了跨主体EMG手势识别的挑战.
• 这种方法通过消除校准要求,显著提高了基于EMG的手势识别系统的可用性.
• 这些发现为更容易获得和更广泛采用EMG技术铺平了道路.