面向嵌入式系统的低成本、单导联 EMG 控制的帕累托最优模型选择
系统与控制
2026-01-13 v1 系统与控制
摘要
消费级生物传感器提供了一种降低成本的替代方案，将医疗级电囊（EMG）系统的硬件成本从数千美元降低到约13美元。然而，这些低成本传感器引入了显著的信号不稳定性和运动伪影。在资源受限的边缘设备（如ESP32）上部署机器学习模型 presents a挑战：在严格的延迟（<100ms）和内存（<320KB）约束下平衡分类准确率。使用由1,540秒原始数据（1.54M数据点，分为约1,300个一秒窗口）组成的单主体数据集，我评估了18种模型架构，从统计启发式方法到深度迁移学习（ResNet50）和自定义混合网络（MaxCRNN）。虽然我的自定义“MaxCRNN”（Inception + Bi-LSTM + Attention）实现了最高的安全性（99%精确率）和鲁棒性，但我识别出Random Forest（74%准确率）是嵌入式控制在旧版微控制器上帕累托最优的解决方案。我展示了在商品硬件上实现可靠、低延迟的 EMG 控制是可行的，深度学习为在现代边缘 AI 加速器上实现近乎完美的可靠性提供了路径。
引用
@article{arxiv.2601.06515,
title = {Convergence Analysis of Weighted Median Opinion Dynamics with Higher-Order Effects},
author = {Lingrui Chen and Xu Zhang and Fanpeng Song and Fang Wang and Cunquan Qu and Zhixin Liu},
journal= {arXiv preprint arXiv:2601.06515},
year = {2026}
}