利用数据质量指数用于战略传感器通道选择,以提高手势识别系统的性能
Shen Zhang1, Hao Zhou1, Rayane Tchantchane1
1Applied Mechatronics and Biomedical Engineering Research (AMBER) Group, School of Engineering, University of Wollongong, Wollongong, NSW 2522, Australia.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
本研究引入了一种数据质量方法,用于为可穿戴的人机界面 (HMI) 系统选择最佳道,使用表面电肌图 (sEMG) 和肌图 (pFMG) 信号显著提高手势识别性能.
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:
- 可穿戴的人机界面 (HMI) 系统依赖于精确的信号处理,以有效控制.
- 多通道传感器系统,如使用表面电肌图 (sEMG) 和基于压力的力肌图 (pFMG) 的系统,产生复杂的数据.
- 优化道选择对于提高这些系统的性能和效率至关重要,特别是在诸如假肢手控制等应用中.
研究的目的:
- 开发和评估数据质量驱动的方法,用于在多通道可穿戴HMI系统中选择最佳传感器通道.
- 调查数据质量指数与手势识别精度之间的关系.
- 为了提高手的手势识别的性能,用于假肢手的应用.
主要方法:
- 计算了sEMG和pFMG信号的五个数据质量指数.
- 建立了数据质量指数和手势识别准确度之间的相关性.
- 采用基于机器学习 (ML) 和基于关联的方法,从八通道系统中选择三个最佳通道/对配置.
主要成果:
- 拟议的数据质量驱动的道选择显著优于UOW和Ninapro DB2数据集的随机选择.
- 基于ML的方法实现了最高的准确性:76.36% (sEMG),71.59% (pFMG) 和88.2% (合并的sEMG-pFMG) 在UOW数据集上.
- 三个选定的sEMG-pFMG通道实现了88.2%的精度,与八通道sEMG系统 (88.38%) 相比,显示出高效率.
结论:
- 数据质量指数对于优化可穿戴HMI系统中的传感器通道选择是有价值的.
- 拟议的方法提高了手势识别性能和效率.
- 这项工作为开发更有效的可穿戴HMI系统为假肢控制和其他应用提供了基础.
