《Biomimetics》：Dual-Stream SPP-CNN for High-Precision sEMG Gesture Recognition in Human–Machine Interfaces
编辑推荐：
表面肌电信号（sEMG）直接反映运动意图，因此有望用于自然的人机交互。然而，其固有的非平稳性和高个体间变异性仍然是鲁棒特征提取和模型泛化的主要障碍。为了解决这些挑战，研究人员提出了一种双流空间金字塔池化卷积神经网络（DSSCNN）。在该框架中，一维sEMG片段
表面肌电信号（sEMG）直接反映运动意图，因此有望用于自然的人机交互。然而，其固有的非平稳性和高个体间变异性仍然是鲁棒特征提取和模型泛化的主要障碍。为了解决这些挑战，研究人员提出了一种双流空间金字塔池化卷积神经网络（DSSCNN）。在该框架中，一维sEMG片段被转换为两种互补的图像表示，即连续小波变换（CWT）频谱图和格拉姆角差场（GADF）图像，形成双通道输入，共同保留时频动态和时间相关结构。然后，双流卷积架构从每种模态中提取判别性特征，之后空间金字塔池化（SPP）层聚合多尺度表示，增强网络捕获鲁棒时空模式的能力。大量实验表明，DSSCNN在受试者内随机分割下实现了97.88%的平均手势识别准确率且受试者间方差低，在留一受试者（LOSO）协议下为96.59%。通过无人地面车辆（UGV）的实时控制进一步验证了所提出方法的实际可行性。这些结果不仅表明双流框架结合SPP层为高精度sEMG手势识别提供了有效策略，而且为下一代自然人机交互提供了有前景的技术路径。
**研究背景与问题**
表面肌电信号（sEMG）直接反映肌肉活动意图，在自然人机交互中具有重要应用前景，但信号固有的非平稳性和高个体间变异性严重阻碍了鲁棒特征提取与模型泛化。现有卷积神经网络（CNN）方法在处理短窗sEMG信号时，未能充分挖掘时频细节与时间相关性信息，导致在高精度手势识别任务中面临挑战。为此，研究人员提出双流空间金字塔池化卷积神经网络（DSSCNN），旨在通过多模态表示与多尺度聚合提升识别性能。该研究发表于《Biomimetics》。
**主要关键技术方法**
（不超过250字）
研究人员将一维sEMG片段通过连续小波变换（CWT）转换为时频频谱图，同时通过格拉姆角差场（GADF）转换为时间相关图，形成双通道输入。采用双流卷积架构，每条流分别处理CWT和GADF图像，提取判别性特征，随后由空间金字塔池化（SPP）层通过三个并行平均池化操作（1×1、2×2和全局平均池化）聚合多尺度空间表示，减少固定池化导致的信息损失并降低可学习参数数量。数据集来自9名健康受试者（22–24岁，6男3女），采集五种手势（腕尺偏、握拳、腕伸、腕屈、OK手势）的sEMG信号，经20–500 Hz带通滤波、50 Hz陷波滤波、Z-score标准化及滑动窗口分割（256点窗口，128点步长）预处理。
**研究结果**
**3.1 实验参数设置**
所有模型在相同硬件（Intel Core i9-10900 CPU、NVIDIA GeForce RTX 2060 GPU）和超参数（初始学习率0.0005、批量大小64、训练40轮）下训练，确保公平比较。
**3.2 评估标准**
采用准确率、精确率、召回率和F1-score作为核心指标，通过混淆矩阵、Friedman检验和Nemenyi事后检验进行统计验证。
**3.3 实验结果**
**3.3.1 训练收敛行为与学习曲线**
基于受试者1（S1）的3806个样本，DSSCNN在训练准确率和损失曲线上均表现出最快收敛速度，约15轮后稳定；验证集上准确率最高、损失最低，证实双流结构与SPP层加速了收敛并增强泛化能力。
**3.3.2 单受试者数据集定量评估**
S1数据集上DSSCNN混淆矩阵显示对角线强主导，各类别准确率97.26%–99.09%，总体准确率98.16%（747/761）。与DSCNN相比，DSSCNN准确率提升2.45%（97.81% vs. 95.36%），显著优于CWT-GADF-SSCNN（4.31%）、CWT-SSCNN和GADF-SSCNN。Friedman检验（χ2=27.31，p<0.001）和配对t检验（所有p<0.001，Cohen's d>3.20）确认统计显著。
**3.3.3 鲁棒性评估与对比分析**
9名受试者跨受试者验证中，DSSCNN平均准确率97.88±0.61%，变异系数（CV）0.62%，低于DSCNN（96.16±0.95%，CV=0.99%）和单流基线（CWT-SSCNN 91.03±1.62%，GADF-SSCNN 88.45±3.54%）。留一受试者（LOSO）交叉验证下，DSSCNN平均准确率96.59±0.59%，仅比受试者内随机分割低1.29%，同样显著优于所有基线（Friedman χ2=33.42，p<0.001，配对t检验所有p<0.001，Cohen's d 3.02–8.90）。与文献中代表性CNN框架对比，DSSCNN在准确率和稳定性上具有优势。
**3.3.4 计算复杂度分析**
DSSCNN模型大小5.62 MB，参数1.40 M，比DSCNN（16.85 M）减少91.67%；推理计算量0.22 GFLOPs，比DSCNN（0.27 GFLOPs）降低18.52%；平均推理时间5.53 ms，仅比DSCNN增加0.52 ms，但准确率提升1.72%，实现了效率与精度的良好权衡。
**3.4 基于手势的无人地面车辆实时控制**
利用RoboMaster EP平台构建在线闭环控制系统，将五种手势映射为UGV的前进、后退、右转、左转和停止指令。在定点定向移动（任务1）和连续轨迹跟踪（任务2）中，系统实现实时手势解码与流畅机械执行，平均手势信号处理时间约120 ms，总延迟低于300 ms，满足肌电控制系统的可接受范围。
**讨论总结**
讨论部分指出，DSSCNN的高性能源于双流架构同时提取CWT时频谱图和GADF时间相关图，SPP层通过多尺度平均池化动态聚合局部感受野，有效保留非平稳信号中的判别性结构特征，克服了电极位置微小偏移和肌肉协同模式差异带来的特征空间失真。与现有方法相比，DSSCNN在受试者内随机分割（97.88%）和LOSO（96.59%）下均优于多注意力CNN等模型，验证了双域特征编码与多尺度池化的结构优势。局限性包括：数据集仅9名健康年轻受试者，样本量较小；未进行电极位移系统性测试；未分离肌肉疲劳和肢体姿势变化的影响；SPP层结构参数凭经验设定，未探索最大性能。工程价值在于在线硬件在环系统无需专家级解剖校准。未来方向包括多中心验证（纳入老年人和神经肌肉疾病患者）、传感器位移实验、自适应基线校正和时频谱偏移检测、从离散手势分类扩展到连续状态估计，以及混合CNN-Transformer和多分支图神经网络建模。
**结论翻译**
本研究提出双流空间金字塔池化卷积神经网络（DSSCNN），以解决基于sEMG手势识别中的非平稳性和跨受试者变异性。通过将一维sEMG序列转换为互补的CWT时频谱图和GADF时间相关图，DSSCNN避免了手动特征工程，在短窗内捕获信息信号模式。SPP层减少了固定尺寸池化导致的空间信息损失并降低了可训练参数数量，提高了计算灵活性。与测试的单流和多流基线相比，DSSCNN提供了更高的分类性能和稳定的跨受试者行为。这些发现支持其在非理想肌肉-计算机接口、康复机器人和人机协作应用中的潜力。仍需更大和更多样化人群的进一步验证以建立人群水平的泛化性。
