了解混杂因素对离散手势识别的肌电控制的影响

科学领域:

• 人与计算机的交互
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 离散肌电控制为无处不在的计算提供了一个新的输入模式,使基于事件的手势识别成为可能.
• 虽然离线准确性很高,但由于通常不会在离散系统中研究的混因素,现实世界的性能会下降.
• 目前关于混因素的研究主要集中在对假肢的持续控制上,从而在了解它们对离散手势识别的影响方面存在差距.

研究的目的:

• 调查三种混因素对离散肌电控制系统稳定性的影响.
• 评估肢体位置变化,跨日使用和手势诱导速度如何影响手势识别准确度.
• 为了评估四个不同的离散肌电控制架构的性能退化.

主要方法:

• 评估了四种离散的肌电控制架构:多数投票LDA,动态时间扭曲,具有交叉的LSTM和具有对比学习的LSTM.
• 该研究系统地引入并分析了四肢位置变化,跨日使用和手势诱导速度的影响.
• 使用统计分析 (p<0.05) 来确定性能下降的意义.

主要成果:

• 所有三个研究的混因素 - - 肢体位置的变化,跨日使用和手势诱导速度 - - 都大大降低了分类准确性.
• 在所有四个评估的离散肌电控制架构中都观察到性能恶化.
• 这突显了离散肌电控制在实际应用中的关键挑战.

结论:

• 混因素对现实世界采用离散肌电控制用于手势识别构成重大障碍.
• 需要进一步的研究和开发,以减轻这些因素对稳健可靠系统的影响.
• 解决这些挑战对于通过肌电接口推进人机交互至关重要.