基于多样化域特征增强的EMG信号手势识别
计算机视觉与模式识别
2025-04-07 v1
摘要
表面电肌电图（EMG）是手势识别和人机交互的关键工具，提供了一种非侵入的信号获取方式。本研究提出了一种新的手势分类方法，使用EMG信号。为解决特征提取中的挑战，我们探索了23种不同的形态学、时域和频域特征提取技术。然而，这些特征的庞大尺寸可能会增加计算复杂度问题，从而阻碍机器学习算法的性能。我们采用一种高效的特征选择方法，即随机森林分类器（extra tree classifier），以缓解这一问题。将选定的潜在特征输入到各种基于机器学习的分类算法中，其中我们的模型在KNN算法和所选特征下实现了97.43%的准确率。通过利用全面的特征提取和选择策略，我们的方法提高了EMG信号手势识别系统的准确性和可用性。更高的性能准确率证明了本文方法在现有系统上的有效性。
引用
@article{arxiv.2408.13723,
title = {EMG-Based Hand Gesture Recognition through Diverse Domain Feature Enhancement and Machine Learning-Based Approach},
author = {Abu Saleh Musa Miah and Najmul Hassan and Md. Maniruzzaman and Nobuyoshi Asai and Jungpil Shin},
journal= {arXiv preprint arXiv:2408.13723},
year = {2025}
}