基于表面肌电信号估计多自由度手指力的ShuffleVT模型

来源：电子测量技术杂志2025年第5期北京时间：

作者：李思诺，耿艳娟

单位：1.桂林理工大学机械与控制工程学院 桂林 541006;2.中国科学院深圳先进技术研究院 深圳 518055

摘要：为了实现基于表面肌电信号（sEMG）的连续手指力估计，本文提出了一种融合ShuffleNetV2基本单元与Vision Transformer(ViT)结构的新模型，命名为ShuffleVT。为验证该模型的性能，采用公开数据集NinaPro，其包含40名健康受试者的sEMG数据和6个自由度的手指力数据。性能评估指标为Pearson相关系数（CC）、均方根误差（RMSE）和决定系数（R2）。结果显示，ShuffleVT模型的CC、RMSE和R2平均值分别为0.92±0.05、1.27±0.66和0.83±0.10，显著优于ShuffleNetV2、ViT、Transformer和LSTM等4种深度学习模型。该结果展示了ShuffleVT模型在基于表面肌电的连续运动意图估计中的应用潜力。

关键词：表面肌电信号;手指力;连续估计;深度学习

基金资助：国家自然科学基金(62373345, 82161160341)、深圳市基础研究重点项目（JCYJ20220818101602005）资助