基于EMG的特征提取与分类用于假手控制

近年来，假手的实时控制获得了大量关注。特别是，肌电图(EMG)信号的实时分析在达到可接受的准确率与执行延迟方面存在若干挑战。在本文中，我们通过更短信号长度下提升准确率来解决其中部分挑战。我们首先引入一组应用于小波分解每一层的新特征提取函数。然后，我们提出一种后处理方法来处理神经网络输出。实验结果表明，所提方法在$800$毫秒信号长度下将EMG信号实时分类准确率提升至$95.5\%$。与传统多数投票与贝叶斯融合方法相比，所提后处理方法实现了更高的一致性。