基于EMG的2D CQT光谱图的用户识别系统,具有自适应频率分辨率调整

科学领域:

• 生物识别系统 生物识别系统
• 信号处理 信号处理
• 机器学习 机器学习

背景情况:

• 电肌图 (EMG) 信号为用户识别提供独特的个体特征.
• 从EMG信号中传统的1D特征提取受非线性和异常信号模式的限制,阻碍了准确性.
• 多维特征,特别是时间频率信息,对于增强基于EMG的识别至关重要.

研究的目的:

• 开发一个改进的用户识别系统,利用EMG信号的独特特性.
• 通过使用定制的时间频率分辨率通过常量Q转换 (CQT) 来提高识别准确性.
• 探索来自CQT的2D特征的有效性,以实现可靠的用户识别.

主要方法:

• 电子肌图 (EMG) 信号的数据预处理.
• 将EMG信号转换为2D图像,使用常量Q转换 (CQT) 和定制的时间频分辨率.
• 使用卷积神经网络 (CNN) 进行特征提取和分类.

主要成果:

• 拟议的系统实现了97.5%的高识别精度.
• 这比传统的1D特征方法有15.4%的显著改进.
• 与使用基于短时间里埃转换 (STFT) 功能的系统相比,精度也提高了2.1%.

结论:

• 基于常量Q转换 (CQT) 的2D功能为电肌图 (EMG) 用户识别提供了优越的方法.
• 拟议的基于CNN的系统有效地利用这些多维特征来提高准确性.
• 这种方法克服了传统的1D特征提取的局限性,为更可靠的生物识别系统铺平了道路.