sEMG手势识别模型

识别率93.75%

融合三通道sEMG信号，基于动态时间规整算法，用于假肢控制，识别准确率优于传统阈值开关。

Zhongpeng, Zhang · Tuanjun, Han · Chaojun, Huang · Shuai, Chunjiang

Electronics (Switzerland) 2024

参数信息

手势识别准确率

93.75 %

技术优势

识别更准

动态时间规整算法将三路sEMG信号融合计算相似度，识别准确率达到93.75%，超过传统阈值控制开关。

稳定可靠

针对sEMG信号不稳定性，通过动态时间规整计算样本与模型的相似度，提升识别稳定性。

应用场景

• 工业机器人：为非接触式手势操控机械臂提供高精度识别算法，减少误操作。
• 外骨骼：通过肌电信号实时解码运动意图，实现外骨骼自然操控。
• 医疗机器人：帮助假肢等医疗机器人实现更精准的手势指令识别。
• 具身智能：作为人机交互感知模块，为具身智能体提供手势意图输入。