基于改进的能量生成对抗网络表面肌电数据增强方法

来源：计算机测量与控制杂志2025年第6期北京时间：

作者：王寒黎,马铭宇,,

摘要：肌电控制是智能假肢研究的重点，其识别算法需要大量的肌电数据支持，而表面肌电信号存在采集困难、数据多样性匮乏及质量不稳定的问题。因此，提出一种基于改进的能量生成对抗网络(EBGAN)的肌电数据增强方法。将卷积神经与EBGAN模型相结合，完成模型改进优化从而模拟原始数据生成过程，并采用动态时间翘曲和信号快速傅里叶变换幅度的均方误差作为评价指标，从时、频两域评估生成数据的真实性；使用支持向量机等模型对合成以及原始数据进行分类识别，验证其有效性。实验证明，改进的EBGAN模型生成的肌电信号与原始信号具有高度相似性，合成数据集显著提升了分类准确率，提升幅度在1%至9%之间。证实了数据增强方法的有效性，为肌电信号的智能化分析和应用提供了新的途径。

关键词：表面肌电信号;数据增强;生成对抗网络;分类准确率

基金资助：重庆市教委科学技术研究项目(KJZD-K201900702)