练习对基于sEMG的手势识别的会话间精度的影响
Xiangyu Liu1, Chenyun Dai2, Jionghui Liu3
1College of Publishing, University of Shanghai for Science and Technology, Shanghai 200093, China.
Bioengineering (Basel, Switzerland)
|August 29, 2024
概括
运动显著降低了可穿戴表面电动肌图 (sEMG) 的手势识别精度. 这项研究强调了生理状态,特别是运动后的肌肉变化,作为影响表现的关键因素.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 信号处理 信号处理
背景情况:
- 表面电肌图 (sEMG) 对于人机交互和手势识别至关重要.
- 可穿戴的sEMG系统面临由于环境噪音,电极转移和生理变化而导致的性能下降.
- 现有的研究往往忽视了个体生理状态对会话间精度的影响.
研究的目的:
- 调查用户运动对基于sEMG的手势识别的会话间精度的影响.
- 为了确定运动引起的生理变化是否会影响sEMG信号特征和分类性能.
主要方法:
- 收集了12名参与者在运动前后执行相同的手势任务的sEMG数据.
- 使用线性差异分析 (LDA) 来进行手势分类.
- 在对照组 (非练习组) 和实验组 (练习组) 之间比较了会话间的识别准确性.
主要成果:
- 没有炼的组显示,精度的最小下降为2.86%.
- 运动组的准确性明显下降了13.53%.
- 这表明,运动诱导的生理变化严重损害了会话间的手势识别.
结论:
- 用户运动是可穿戴sEMG手势识别中的一个重要的混因素.
- 未来的研究必须考虑生理状态的变化,如运动后的肌肉变化,以实现强大的系统设计.
- 解决运动诱导的信号变化对于提高基于sEMG的系统的可靠性和用户体验至关重要.
