基于TiCNN-DRSN模型的sEMG手势识别算法的研究

来源：电子测量技术杂志2024年第6期北京时间：

作者：周国良，张道辉，郭小萍

单位：沈阳化工大学 沈阳 110000

摘要：基于表面肌电信号和模式识别的手势识别方法在康复手领域中具有广阔的应用前景。提出一种基于表面肌电信号的手部姿势识别方法，以预测手部的52种动作。为解决表面肌电信号易受干扰的问题，提高对表面肌电信号的分类效果，提出了TiCNNDRSN网络，主要作用是在拥有噪声的情况下能够更好的识别率，减少滤除噪声的时间。TiCNN网络使用卷积核Dropout和极小批量训练，为卷积神经网络引入训练干扰并且增加了模型的泛化性；DRSN网络可以有效的剔除sEMG信号中的冗余信号，减少信号噪声干扰。TiCNNDRSN网络在不需要任何降噪预处理的前提下，取得了很高的抗噪与自适应性能。本模型在Ninapro数据库上的识别率达到97.43%±0.8%。

关键词：表面肌电信号;抗噪声;TiCNN-DRSN网络

基金资助：国家自然科学基金(62273336，92048302，U20A20197)、国家重点研发计划（2022YPP1202500，2022YPP1202502）项目资助