减轻电极移动和松动在肌电模式识别中的同时干扰,使用罗式自动编码器网络

科学领域:

• 生物医学工程 生物医学工程
• 人与计算机的交互
• 机器学习 机器学习

背景情况:

• 肌电模式识别 (MPR) 系统对于智能控制至关重要,但对电极位移敏感.
• 电极的移动和松动会造成严重的干扰,限制了基于MPR的手势界面的实际应用.

研究的目的:

• 开发一种新型的MPR方法,能够对抗并发电极移动和松动.
• 提高智能控制系统MPR的实用性和可靠性.

主要方法:

• 一个语自动编码器网络 (SAEN) 已开发,以学习特征表示,耐电极干扰.
• SAEN使用模拟的移视图和掩视图特征地图进行训练,平均平方误差 (MSE) 损失为3个.
• 该SAEN作为一个特征提取器,其次是一个支持矢量机器分类器.

主要成果:

• 提出的基于SAEN的MPR方法在离线和在线测试中在并发干扰条件下实现了最高的分类准确性.
• 与其他五种常见方法相比,观察到统计学意义 (p < 0.05).
• 该方法在减轻电极移动和松动引起的干扰方面表现出有效性.

结论:

• 基于SAEN的新型MPR方法显著提高了对常见电极干扰的稳定性.
• 这种方法为提高肌电控制系统的可靠性提供了有价值的解决方案.
• 这些发现有助于在智能手势界面中推进MPR实际应用.