基于迁移学习和表面肌电信号的上肢动作识别

来源：计算机工程与应用杂志2024年第20期北京时间：

作者：张恒玮, 徐林森, 陈根, 汪志焕, 眭翔

单位：1.河海大学 机电工程学院，江苏 常州 213022；2.中国科学技术大学 研究生院科学岛分院，合肥 230026

摘要：准确识别脑卒中患者上肢运动意图是实现高效康复训练的关键步骤。为了提高基于表面肌电信号（surface electromyography，sEMG）的上肢动作识别精度，提出了一种结合预训练模型和支持向量机（support vector machine，SVM）的肌电动作识别方法。该方法充分考虑通道之间的关联性，将预处理后的时域信号通过短时傅里叶变换（short-time Fourier transform，STFT）转换为对应频谱图，并将所有通道的频谱图沿竖直方向拼接。利用两种微调的预训练模型VGG16和Resnet50对肌电图像提取特征，分别考虑三种上肢动作识别方案：仅使用微调的预训练模型进行识别、单个微调预训练模型提取特征后使用SVM进行识别、两个微调预训练模型提取特征拼接后使用SVM进行识别。实验结果表明，所提出的方法在采集的受试者肌电信号数据集上均达到90%以上的识别精度，可有效区分不同的上肢动作。

关键词：上肢动作识别,表面肌电信号（sEMG）,短时傅里叶变换（STFT）,预训练模型,支持向量机（SVM）