一种基于新型滑模微分器的特征提取方法,用于基于肌电图(EMG)的手势特征识别

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》:A Novel Sliding Mode Differentiator-Based Feature for EMG-Based Hand Gesture Characterization

【字体: 大 中 小 】 时间:2026年05月18日 来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering 5.2

编辑推荐:

   摘要:基于运动意图(MI)的肌肉计算机接口(MCIs)已被广泛用于假肢控制,以恢复截肢者的肢体功能。然而,仍然存在一些问题,例如现有特征的鲁棒性不足、存在相干噪声以及肌电图(EMG)传感器的空间分辨率较低。这些问题导致运动特征识别的性能下降。因此,本研究提出了一种新的特征提取技

  

摘要:

基于运动意图(MI)的肌肉计算机接口(MCIs)已被广泛用于假肢控制,以恢复截肢者的肢体功能。然而,仍然存在一些问题,例如现有特征的鲁棒性不足、存在相干噪声以及肌电图(EMG)传感器的空间分辨率较低。这些问题导致运动特征识别的性能下降。因此,本研究提出了一种新的特征提取技术,该技术利用滑动模态微分器(SMD)从EMG信号中提取独特模式,然后通过使用对称正定矩阵(SPD)来有效利用EMG信号的空间-时间特性。在21名健康受试者和15名截肢者中的平均分类结果分别为98.7±3.0%和97.9±5.2%,表明在识别13种手势方面的准确性有所提高,从而优于其他最先进的方法。此外,通道优化分析显示,可以在不牺牲所提技术性能的情况下将通道数量减少75%(从24个通道减少到6个通道)。这证明了该技术在高密度和低密度EMG电极配置中的潜力。进一步分析表明,该技术在存在噪声的情况下也能显著优于其他方法。因此,本研究的结果有望显著提高假肢、康复辅助机器人和手势相关游戏的控制性能。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号