99.68%准确识别
融合sEMG与IMU信号，集成TCN、Transformer、CNN和BiLSTM的深度学习模型，可同时分类6种足踝运动和3级运动强度。
Chang, Li · 郑义 · Wang, Youqiang · 杨淑燕 · Feiyang, Wang · Qixin, Guo · Runhao, Liu · Hanyue, Zhang
Sensors and Actuators, A: Physical 2026
在踝关节运动分类上达到99.68%的准确率，远高于同类方法。
采用双向交叉注意力机制有效捕捉sEMG与IMU之间的显著特征关系，提升整体性能。
提供了针对亚洲人群的踝关节运动数据集，填补了下肢sEMG数据集的空白。