基于全局与局部肌电特征交互的手势识别网络
肖城钢
闵华松
武汉科技大学信息科学与工程学院,湖北武汉 430081
摘要：为了更有效地捕捉肌电信号中的长期动态依赖关系和局部细节信息,减少固有肌电特征信息损失对手势分类精度的影响,本文提出一种基于全局-局部特征交互的手势识别网络GL-EMG-Net.首先,融合空洞卷积和多头自注意力机制,设计全局特征提取模块Global-DT,提取肌电信号中的全局信息;然后,借助深度可分离卷积和注意力机制,设计局部特征提取模块Local-SK捕捉肌电信号中不同尺度的局部细节信息,并将提取的细节信息通过反馈机制反馈至Global-DT模块,完成局部特征与全局特征的交互;最后,将全局特征与局部特征融合后进行分类.实验结果表明,该手势识别网络在Ninapro DB5数据集的52种手势和实际12种常见手势分类中,表现出较高的手势分类精度和较强的鲁棒性.
关键词：表面肌电信号手势识别空洞卷积网络注意力机制特征融合
论文发表日期：2025-03-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 609-617 )
英文信息