一个具有空间分区策略和基于腕带的手势识别交叉注意力的新型多功能融合网络
概括
这项研究引入了使用手臂带传感器数据进行手势识别的新网络. 拟议的方法有效地整合了时空频率信息,大大提高了准确性和稳定性.
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:
- 精确的手腕带传感器数据的手势识别对于人机交互至关重要.
- 现有的方法难以整合来自多模式信号的空间,时间和频率信息,例如表面电肌图 (sEMG) 和加速度计数据.
- 当前的方法往往忽略了多道sEMG和跨特征域相关性中的空间关系.
研究的目的:
- 开发一个新的多功能融合网络 (MFN-SPSCA) 以提高手势识别.
- 通过有效整合时空频率信息来提高手势识别的准确性和稳定性.
- 解决现有方法在空间特征提取和跨模态特征相关性方面的局限性.
主要方法:
- 提出了一个具有空间分区战略和交叉注意力的多功能融合网络 (MFN-SPSCA).
- 开发了一个带有空间分区的时空图形卷积模块,以捕捉来自多通道sEMG的空间特征.
- 实现了交叉注意力融合模块,以优先考虑和关联多功能域.
主要成果:
- 与最先进的方法相比,MFN-SPSCA方法显示出更高的性能.
- 在手势识别任务中实现了更高的准确性和稳定性.
- 在自我收集的数据集和Ninapro DB5数据集上验证了有效性.
结论:
- 该MFN-SPSCA有效地整合了来自多模式臂带传感器数据的时空频率信息.
- 拟议的方法提高了手势识别的准确性和稳定性.
- 强调空间分区和交叉注意力机制在多模式信号处理中对于手势识别的重要性.
