用于假肢比例式肌电控制的 KNN 学习技术
信号处理
2021-09-21 v1 人机交互
机器学习
系统与控制
系统与控制
摘要
本工作是在基于模式识别的肌电假肢控制背景下开展的。它提出了一种用于手势识别的 k-最近邻（kNN）分类技术，并通过比例式方案进行了扩展。所提方法得到了实际实现与验证。数据集通过置于前臂的最先进 8 通道肌电图（EMG）臂环采集。基于该数据，在试点实验中分析了 kNN 参数的影响。此外，研究了比例缩放与静息阈值方案的效果。我们开展了一项随机双盲用户研究，将所实现的方法与学术研究算法带随机傅里叶特征的岭回归（RR-RFF）在不同手势用力水平下进行比较。这些实验的结果显示 kNN 基算法具有统计显著的优越性。
引用
@article{arxiv.2109.08917,
title = {KNN Learning Techniques for Proportional Myocontrol in Prosthetics},
author = {Tim Sziburis and Markus Nowak and Davide Brunelli},
journal= {arXiv preprint arXiv:2109.08917},
year = {2021}
}