基于KF-LSTM模型的手写数字轨迹的sEMG重建算法

作     者：杨钟亮 文杨靓 陈育苗 Yang Zhongliang;Wen Yangliang;Chen Yumiao

作者机构：东华大学机械工程学院上海201620 华东理工大学艺术设计与传媒学院上海200237 

基　　金：国家自然科学基金(51305077) 中央高校基本科研业务费专项资金(2232018D3-27) 东华大学研究生创新创业能力训练计划(103-06-0041038) 浙江省健康智慧厨房系统集成重点实验室开放基金(2014E10014) 上海市设计学Ⅳ类高峰学科资助项目(DC17013) 东华大学2017年研究生核心课程建设项目(201711) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第7期

页      码：1247-1257页

摘      要：为了从神经肌肉活动中有效地重建出手写轨迹,提出一种卡尔曼滤波器与长短期记忆网络深度融合的混合模型(KF-LSTM),对手写数字轨迹坐标映射的表面肌电(sEMG)信号进行训练与解码.招募5名被试,设计了组间实验和组内实验方案,同步采集手写过程中的sEMG和轨迹坐标,构建基于KF-LSTM的手写轨迹预测模型;以决定系数和主观可辨认度作为评价指标,分别与LSTM模型、浅层神经网络(NN)模型以及KF模型的重建结果进行比较.实验结果表明,KF-LSTM模型在组间实验及组内实验中的表现均高于其他3种方法,能有效地提升重建精度,提高重建轨迹的光顺度。

主 题 词：手写重建 表面肌电 长短期记忆网络 卡尔曼滤波 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2019.17482

馆 藏 号：203695641...