基于OmniXceptionDBN的表面肌电信号智能识别方法

来源：机器人杂志2026年第2期北京时间：

作者：赵孝礼, 宋艺博, 胡渊豪, 赵思源, 何显松, 张站, 姚建勇, 严颖, 邵海东

摘要：表面肌电信号（sEMG）在人机交互（HCI）等领域具有重要的理论研究价值和实际应用意义，但现有方法在处理多主体的信号时，通常面临准确率显著下降和计算复杂度高的挑战。为了解决这一问题，提出了一种基于多尺度集成序列深度信念网络（OmniXceptionDBN）的稳健表面肌电信号智能识别方法。首先利用奇异谱分析和快速傅里叶变换处理原始信号，然后结合XceptionTime、OmniScaleCNN和深度信念网络（DBN）构建OmniXceptionDBN算法进行sEMG识别和实验验证。结果表明该算法对单个个体的分类准确率达到了97.2%，对多个个体在没有额外操作的情况下达到了85.9%，证明了该方法能有效解决传统方法在跨个体处理时准确率下降和计算复杂度较高的问题，为sEMG智能识别领域提供了一种高效且稳健的解决方案。

关键词：表面肌电信号, 深度信念网络, 动作识别, 特征提取