利用柔性神经树的实时肌电信号手势识别模型

摘要：

传统的手势识别通常采用数字信号处理(Digital Signal Processing,DSP)芯片或者集合方法(Ensemble Methods)研究实时识别问题.这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低.提出一种基于表面肌电信号与柔性神经树(Flexible Neural Trees,FNT)模型的实时手势识别模型.表面肌电信号(surface Electromyography,sEMG)具有非入侵式、易于采集特点,故被广泛应用于行为识别和诊断等领域.柔性神经树模型通过简单的预定义来构建,能够解决人工神经网络(Artificial Neural Network,ANN)的结构依赖性高的问题.柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率和较低的方均根误差(Root Mean Square Error,RMSE),实验针对六名参与者的六种手势进行测试,结果表明该模型实时识别率较高,实际应用也证明该算法可行.

关键词：实时识别、表面肌电信号、柔性神经树、均方根、方均根误差

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：山西省回国留学人员科研资助项目92;太原科技大学校青年基金20103004

在线出版日期：2012-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：207-210,228