王远,袁思敏,黄品高,王 辉,于文龙,付梦龙,李光林.基于表面肌电和组织阻抗信息融合的手势识别研究[J].集成技术,2020,(3):26-35
基于表面肌电和组织阻抗信息融合的手势识别研究
The Study of Hand Gesture Recognition Based on the Fusion of SurfaceElectromyography and Tissue Impedance
投稿时间:2020-02-24  修订日期:2020-03-24
DOI:
中文关键词:  手势识别;表面肌电;组织阻抗
英文关键词:hand gesture recognition; surface EMG; tissue impedance
基金项目:国家自然科学基金项目(81927804, 61603375)
作者单位
王远 中国科学院深圳先进技术研究院 深圳 518055;中国科学院大学深圳先进技术学院 深圳 518055 
袁思敏 中国科学院深圳先进技术研究院 深圳 518055;中国科学院大学深圳先进技术学院 深圳 518055 
黄品高 中国科学院深圳先进技术研究院 深圳 518055;中国科学院大学深圳先进技术学院 深圳 518055 
王 辉 中国科学院深圳先进技术研究院 深圳 518055;香港大学深圳医院 深圳 518051 
于文龙 中国科学院深圳先进技术研究院 深圳 518055 
付梦龙 中国科学院深圳先进技术研究院 深圳 518055;中国科学院大学深圳先进技术学院 深圳 518055 
李光林 中国科学院深圳先进技术研究院 深圳 518055 
摘要点击次数: 155
全文下载次数: 194
中文摘要:
      手势识别中的一种常见方式是通过表面肌电信号来实现。为提高手势识别的稳定性和精度, 通常需要采集多个通道的肌电信号,但这会增加电极传感器的数量以及识别系统的复杂度。因此,如 何利用较少量的通道采集信号并确保手势识别的性能一直是肌电信号应用到意图识别的研究方向之 一。该研究设计了一款便携式四通道肌电和阻抗双模信号采集器,在不增加额外传感器和通道数的情 况下,能同时采集肌电信号和差分电极对之间的组织阻抗信号。初步实验结果表明,通过该系统采集 的四通道融合信息可以提升手势识别的准确率和稳定性。与仅采集肌电信息相比,该研究采用的肌电 与阻抗信息融合方法可以将手势识别性能提升 3% 以上,达到 96.2% 的识别率。
英文摘要:
      Using surface electromyography (sEMG) signals to gesture recognition is a common method. In order to improve the stability and accuracy of gesture recognition, it usually requires to collect more channels of myoelectric signals. However, this would need a high number of electrodes, resulting the increasing of the complexity of myoelectric recognition system. Therefore, using a small number of sEMG electrodes to ensure the performance of gesture recognition has always been an promising direction in the sEMG-based applications. In this study, we designed a portable four-channel sEMG and impedance signal acquisition device that can simultaneously collect sEMG and tissue impedance signal between differential electrode pairs without adding additional sensors and channels. The self-made device was used to collect the hybrid signals of sEMG and tissue impedance for seven classes of hand gesture recognition. The experimental results show that the four-channel fusion information collected by the system could improve the accuracy and stability of gesture recognition. Compared with using EMG only, the fusion method could improve gesture recognition performance by more than 3% and achieve a recognition rate of 96.2%.
查看全文  查看/发表评论  下载PDF阅读器
关闭
微信关注二维码 用微信扫一扫 用微信扫一扫 用微信扫一扫

美女

美女图片

美女

美女图片