通过短暂的HD-SEMG和传感器内计算来实现低延迟HMI的实时手势识别系统

科学领域:

• 生物医学工程 生物医学工程
• 人与机器的互动 人与机器的互动
• 信号处理 信号处理

背景情况:

• 实时的人机交互 (HMI) 需要准确且低延迟的手势识别 (HGR).
• 表面电肌图 (sEMG) 对HMI至关重要,暂时的sEMG比稳定状态信号提供更低的观测延迟.
• 现有的方法通常由于长的功能窗口和依赖远程计算而遭受高延迟.

研究的目的:

• 使用短暂高密度sEMG (HD-sEMG) 和传感器内计算开发低延迟HGR方法.
• 解决当前HGR技术中长功能窗口和远程处理的局限性.
• 为了实现高精度,实时HGR用于诸如假肢和虚拟现实等应用.

主要方法:

• 为HGR提出了一个sEMG对比卷积网络 (sCCN).
• 利用过渡的HD-sEMG信号和对比学习,以平均绝对值和平均整合用于培训.
• 在设计用于传感器内计算的传感器中实现了所有信号采集,处理和识别.

主要成果:

• 通过使用200毫秒短暂sEMG的最先进方法,实现了与HGR精度 (0.963) 相比的可比性.
• 观测延迟减少了58%至84 ms.
• 传感器内计算导致计算延迟 (3ms) 降低了4倍,网络延迟降低到2ms.

结论:

• 拟议的方法为低延迟HGR提供了一个有希望的方法,而不会牺牲准确性.
• 传感器内计算显著减少了计算和网络延迟.
• 这便于在各种生物医学应用中实现先进的实时HMI.