基于黎曼普鲁克的手部离散动作识别方法OA北大核心CSTPCD

肌电信号能反映人体的运动意图,是外骨骼和假肢控制的主要信号之一。但受试者间的差异,增加了基于表面肌电信号(sEMG)的手部离散动作识别使用成本。针对这一情况,本文从域适应的角度出发,提出一种基于小型调整集的迁移学习建模方法。该方法利用黎曼普鲁克分析(RPA)提取黎曼特征与传统时域特征作为支持向量机(SVM)的输入特征,并通过实验验证了其识别精度。在10名受试者身上进行了实验,在黎曼特征下黎曼普鲁克分析相比于不进行迁移学习的动作识别方法提高了5%~7%的准确率。在特征空间分布上,黎曼普鲁克分析后的黎曼特征的重合度更高。结果表明,该方法在基于肌电信号的手部离散动作识别上有明显优势。