基于GMM-HMMs与Viterbi回溯的连续手势肌电信号预测与识别

来源：南京信息工程大学学报·自然科学版杂志2026年第1期北京时间：

作者：杨进兴，刘帅，李俊

单位：杨进兴,黎明职业大学 智能制造工程学院, 泉州, 362000,刘帅,中国科学院海西研究院 泉州装备制造研究中心, 泉州, 362100,李俊,中国科学院海西研究院 泉州装备制造研究中心, 泉州, 362100

摘要：针对基于表面肌电信号(sEMG)的连续手势识别任务中,存在实时性较差和预测能力不足的问题,提出一种基于GMM-HMMs(高斯混合-隐马尔可夫模型)和Viterbi回溯的连续手势动作识别方法.采用滑动窗口对8通道肌电信号进行分窗,通过GMM-HMMs建立手势的空闲、上升、稳定和下降4个动作状态,提出改进的Viterbi滑动窗口边缘化策略,建立滑动窗口长期约束,实现连续手势动作状态预测.最终引入最大似然法动态阈值模型以区分手势类别.在由8位实验者完成的包含4种手势的12个连续两手势动作任务中,该方法的平均识别率为98.1％,预测时间为71 ms,明显优于LSTM模型(94.2％,309 ms)和GRU模型(93.8％,300 ms).

关键词：模式识别;连续手势;GMM-HMMs;Viterbi回溯;表面肌电信号

基金资助：福建省科技计划(2022L3094);泉州市科技计划(2021C021R);黎明职业大学2024年度规划项目(LZ202406)