一种基于柔性高密度传感器与脑启发高维分类器的肌电手势识别系统
人机交互
2018-04-06 v2 机器学习
信号处理
摘要
基于肌电（EMG）的手势识别在人机交互中展现出前景。系统常受信号与电极变异性的影响，导致性能随时间下降。我们提出一种端到端系统，利用大面积高密度传感器阵列与鲁棒分类算法来克服该变异性。EMG电极制作于柔性基底上，并连接至定制无线设备以实现64通道信号采集与流式传输。我们采用脑启发的高维（HD）计算，在一次学习（one-shot learning）中处理EMG特征。该HD算法对噪声与电极错位具有容错性，且无需梯度下降或反向传播即可从少量手势快速学习。我们对五种手势取得平均分类准确率96.64%，在不同日期间训练与测试时准确率仅下降7%。我们的系统在仅以三次手势试次训练时仍保持该准确率；在以一次试次训练时，其准确率也与最先进水平（state-of-the-art）相当。
引用
@article{arxiv.1802.10237,
title = {An EMG Gesture Recognition System with Flexible High-Density Sensors and Brain-Inspired High-Dimensional Classifier},
author = {Ali Moin and Andy Zhou and Abbas Rahimi and Simone Benatti and Alisha Menon and Senam Tamakloe and Jonathan Ting and Natasha Yamamoto and Yasser Khan and Fred Burghardt and Luca Benini and Ana C. Arias and Jan M. Rabaey},
journal= {arXiv preprint arXiv:1802.10237},
year = {2018}
}