cwCST-CNN手势识别模型

空间激活模式

利用运动单元放电的空间激活模式区分运动意图，分类精度高于基于RMS的传统方法。

喻洋 · Zhou, Zeyu · 杨旭 · 陈陈 · Guo, Weichao · 盛鑫军

Cyborg and bionic systems (Washington, D.C.) 2025

参数信息

分类精度

96.92 %

技术优势

精度更高

通过卷积神经网络从累积脉冲序列图像中提取空间特征，相比基于RMS的方法，分类精度显著提升至96.92%。

特征更可分

cwCST特征在不同手势之间具有更好的可分性，并且在训练集与测试集上表现一致，有助于稳健的识别。

应用场景

• 假肢控制：用神经驱动信号识别手势，让假肢更自然跟随用户意图。
• 脑机接口：从肌电信号中提取运动单元脉冲，为脑机接口提供意图解码。
• 康复机器人：手势识别可用于康复训练中的运动意图检测，提高互动效果。
• 人机交互：提供高精度的非侵入式手势识别方案，提升交互体验。