SWPT-CNN手势识别模型

识别精度92.159%

融合加速度信号与注意力机制,显著提升手势识别准确性

Le, Wang · Fu, Jianting · Hui, Chen · 郑彬

Biomedical Signal Processing and Control 2023

参数信息

平均识别准确率
92.159 %
SWPT相对CWT时间消耗
12 %
SWPT相对WPT时间消耗
66 %

技术优势

预处理更快

SWPT在保持信号分解能力的同时,计算速度大幅提升,仅需CWT的12%耗时、WPT的66%耗时。

识别更准

融合sEMG与加速度数据,并引入注意力机制和LSTM,模型在公开数据集上平均准确率达到92.159%。

抗噪更强

CBAM注意力模块帮助网络聚焦关键特征,增强对肌电噪声和运动伪迹的鲁棒性。

应用场景