摘要
本发明借鉴计算机视觉领域的VanillaNet网络结构并改进后,将其应用于基于肌电信号处理的手势识别问题中,考虑到图像信号和肌电信号在数据维度和特征复杂度上的差异,VanillaNet网络难以直接应用在肌电信号处理,因此,本发明对VanillaNet网络结构在数据输入和结构简化上做了改进,以使其能够应用于肌电信号。最终在保证识别精度的情况下,能够实现模型轻量化;进一步的,本发明在数据预处理阶段,对模态分解方式和数据多域融合上进行改进,避免了模式混叠的问题,以进一步提高准确率,并提高鲁棒性;同时,本发明在实时控制过程中,还设计了一种数据缓存方法解决由智能仿生手设备自身引起的延迟现象。
技术关键词
肌电手势识别方法
手势识别模型
多域特征
智能仿生手
数据缓存方法
实时控制系统
特征提取网络
肌电信号处理
非线性
滑动窗口方法
自由度电机
网络结构
矩阵
优化器
延迟现象
全波整流
通道
系统为您推荐了相关专利信息
手势识别模型
无监督学习
手势识别方法
编码特征
多普勒
多域特征
变压器箱体
核极限学习机模型
极限学习机分类
皮尔逊相关系数
可穿戴设备
预警方法
多域特征
频谱特征
时域特征
手势识别模型
手势识别方法
手势特征
注意力机制
输入端
故障诊断方法
连铸机
鲸鱼优化算法
基座
误差反向传播