实时肌电控制技术在基于LDA的模式识别系统中，随着肌电图（EMG）通道数量的增加而持续改进（即性能不断提升），即使超过八个通道也是如此

《Scientific Reports》：Real-time myoelectric control continues to improve beyond eight EMG channels in an LDA-based pattern recognition system

　　```html

摘要

模式识别（PR）被广泛用于肌电上肢假肢的控制。PR系统的性能取决于肌电图（EMG）的通道数量和提取的特征集，这些因素历来都是为了最小化分类器的错误率而选择的。然而，离线错误率并不能直接反映用户在控制系统中的实际表现，因此需要通过在线（即实时）评估来验证系统效果。本研究通过离线、在线和主观分析方法，研究了常见通道数量和特征集对基于线性判别分析（LDA）的PR系统性能的影响，实验对象包括没有肢体损伤的参与者（n=12）和有桡侧肢体缺失的参与者（n=5）。无论特征集、分析类型或参与者群体如何，当通道数量超过传统的8个限制时，系统性能都会有所提升。平均而言，使用16通道系统的参与者在没有肢体损伤和有肢体损伤的情况下，完成实时控制任务的耗时分别减少了1.79秒和1.26秒（p<0.05）。虽然特征集的扩展效果因情况而异，但在通道数量较少的情况下更具优势。离线指标对在线性能的预测能力较弱（分别为\(R^2\)=0.28\)和0.29），这表明错误率本身虽然能提供一些信息，但不足以全面评估系统的性能，还需要结合在线和主观评估结果。