通道与空间特征协同提取的抗噪手势识别方法

来源：电子测量技术杂志2025年第21期北京时间：

作者：逯英航，仇大伟，刘静，李仝伟，王锡城

单位：山东中医药大学医学信息工程学院 济南 250355

摘要：表面肌电信号作为肌肉活动的直接反映，能够有效捕捉肌肉收缩的模式和强度信息，因此在手势识别中被广泛应用。然而，其稀疏性、非线性和噪声干扰对特征提取提出了严峻挑战。为此，本文提出了RASTNet模型，以ResNet50为主干网络，将每层最后一个block中的3×3卷积替换为空洞空间金字塔池化模块，通过不同空洞率的空洞卷积捕获sEMG多尺度信息。然后在每一层的连接处加入STConv模块，该模块在SCConv模块的基础上创新性地融入了三重注意力机制，在提取精细化通道与空间特征后进一步强化三维特征融合。本研究分别在用4种方法进行数据增强的ninapro DB1和DB5数据集上进行实验。结果表明，RASTNet较原模型准确率平均提升了1.83%和1.57%。与ResNeXt、Swin Transformer、CnovNeXt等主流经典模型在拟真噪声下横向对比，其召回率、F1分数等指标均表现更优。并且在面对最新的无噪声闭源模型时仍保持领先，展现出在复杂手势识别任务中的抗噪性。此外，RASTNet在跨数据集的泛化性验证中表现出色，进一步增强了其在实际应用中的适用性和鲁棒性。

关键词：表面肌电信号;手势识别;通道与空间特征提取;抗噪

基金资助：国家自然科学基金面上项目（82174528）、山东省研究生精品和优质课程建设项目（SDYAL21054，SDYKC2023041)、山东中医药大学青年科研创新团队项目（校科字〔2024〕1号）、山东中医药大学科学研究基金面上项目（KYZK2024M14）资助