肌电图(EMG)信号是肌肉收缩时产生的生物电电流。它可以作为输入信号传输到智能仿生假手，以控制手部运动。通过增加信号采集通道的数量，可以捕获更丰富的动作意图信息，从而提高动作意图识别的成功率。然而，拥有更多获取渠道并不会更好。
随着通道数量的增加，硬件系统变得越来越复杂，提高手势识别精度的效果逐渐降低，导致控制效果达到瓶颈。
为了解决这些问题，北京理工大学的一组研究人员提出了一种方法，通过增加肌电信号通道的数量来提高手势识别的准确性。
该团队在《生化系统》杂志上发表了他们的研究结果。
该方法从肌电图信号中提取振幅特征来表示肌肉随时间的收缩强度。然后计算通道间强度差的绝对值。这些差异值与原始数据合并，形成具有更多列的新样本，模拟数据维数的实际增加。这利用了运动过程中肌肉之间的隐性协调信息。
即使物理采集通道的数量有限，这种方法也可以提高识别精度，因为它不完全依赖于传感器直接获取的数据量。
为了验证他们的方法，作者比较了添加虚拟维度前后手势意图识别的准确性。与未处理的肌电信号相比，添加虚拟维数后的肌电信号手势识别精度得到了提高。此外，肌电信号获取通道越多，获得的肌电信号越丰富，手势识别的成功率越高。
此外，在滤波特征选择方法的基础上，研究小组引入了一种基于特征集离散度和相关性的可分性度量(特征向量可分性SFV)。SFV值可以在分类前预测分类效果，从特征集可分性的变化方面验证虚拟维数增加策略的有效性。
更多信息:王宇轩等，基于EMG、Cyborg和Bionic系统虚拟维数增加的手势识别策略(2023)。DOI: 10.34133 / cbsystems.0066期刊信息:Cyborg and Bionic Systems由北京理工大学出版社有限公司提供。引用本文:研究提出假手手势识别中EMG信号的虚拟维度增加(2024,4月17日)。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
