换一批基于GMM-HMMs与Viterbi回溯的连续手势肌电信号预测与识别
Consecutive gesture prediction and recognition from sEMG using GMM-HMMs and Viterbi backtracking
摘要针对基于表面肌电信号(sEMG)的连续手势识别任务中,存在实时性较差和预测能力不足的问题,提出一种基于GMM-HMMs(高斯混合-隐马尔可夫模型)和Viterbi回溯的连续手势动作识别方法.采用滑动窗口对 8 通道肌电信号进行分窗,通过GMM-HMMs建立手势的空闲、上升、稳定和下降4 个动作状态,提出改进的Viterbi滑动窗口边缘化策略,建立滑动窗口长期约束,实现连续手势动作状态预测.最终引入最大似然法动态阈值模型以区分手势类别.在由8 位实验者完成的包含 4 种手势的 12 个连续两手势动作任务中,该方法的平均识别率为98.1%,预测时间为71 ms,明显优于LSTM模型(94.2%,309 ms)和GRU模型(93.8%,300 ms).
更多相关知识
关键词
模式识别连续手势GMM-HMMsViterbi回溯表面肌电信号pattern recognitionconsecutive gestureGaussian mixture model-hidden markov models(GMM-HMMs)Viterbi backtrackingsEMG
栏目名称
DOI
10.13878/j.cnki.jnuist.20240905002
发布时间
2026-01-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
