基于表面肌電信號的性別差異性手勢識別

雷建超，劉棟博，房玉，莊祖江，劉俊豪

西華大學電氣與電子信息學院，四川成都611730

前言

早期的肢體殘疾者無法重新獲得肢體能力，只能通過塑料假肢進行偽裝。隨著康復醫學的發展，基于表面肌電信號（Surface Electromyographic Signals,sEMG）的手勢識別逐漸成為了研究熱點［1-4］。通過對sEMG進行分析處理，可得到手勢的動作信息，機器學習的發展使得對sEMG的研究更加深入［5］。目前，對于sEMG的識別分類有許多方法，但大都沒有考慮年齡和性別等因素。同一手勢不同個體的sEMG存在差異性，不利于動作的識別［6-7］。

王文蕾［8］對不同性別的人體下肢關于肌肉的活動狀態進行研究，分析下肢肌肉的相關指標在活動時的主要工作肌肉。顧倩等［9］對不同性別在運動時斜上方肌、胸大肌及前鋸肌對肌電信號的影響進行研究。Jochumsen 等［10］研究不同個體同一手臂位置對sEMG識別的影響，實驗結果表明個體差異性會影響識別結果；都明宇等［11］通過改進決策樹支持向量機對手勢動作進行分類，平均識別率達到88.9%。

為了解決性別差異性問題以及提高手勢識別率，本研究提出滑動平均能量與能量補償相結合的方法，利用小波包分解提取特征，通過粒子群優化支持向量機（Particle Swarm Optimization-Support Vector Machine,PSO-SVM）對10種手勢進行識別。

1 數據處理與特征提取

1.1 數據分割與能量補償

數據分割主要是通過滑動平均能量對sEMG 的活動段進行檢測，探測動作電位的開始和結束位置，實現對數據的分割，對手勢特征提取與識別有重要作用［12-13］。由于靜止狀態能量與活動狀態下的能量差距很大，通過對能量的區分，可以分割出動作段與靜止段。……