基于HPSO-SVM的多传感器手语识别方法研究

来源：电子测量技术杂志2021年第10期北京时间：

作者：刘闯闯，朱正伟

单位：常州大学，微电子与控制工程学院，江苏常州213000

摘要：为了提高手语识别准确率，本文提出一种基于混合粒子群优化的支持向量机（Hybrid Particle swarm algorithm Support vector machine，HPSO-SVM）的多传感器手语识别方法。在原始数据采集阶段，利用ZTEMG-2000肌电传感器采集人体手臂表肌电信号、MPU6050传感器采集右手加速度和角速度信号；在数据处理阶段，增加一个自适应容错长度，提高了短时能量法提取活动段的精度；在分类方法阶段，通过混合粒子群算法（HPSO）寻找出支持向量机（SVM）的惩罚因子和核函数参数的最优组合，优化了SVM模型。实验上，对每名受试者分别执行的5种中国手语进行识别，平均识别率达到了96.78%。该方法利用数量较少的、经济实惠的传感器对手语进行识别，且识别准确率较传统SVM算法提高了5%，展现了该方法在手语识别上的优越性。

关键词：手语识别;肌电传感器;支持向量机;混合粒子群算法;特征融合