基于表面肌电（sEMG）的生物识别感知系统在验证与识别中的性能优化
信号处理
2021-03-11 v1
摘要
近年来，表面肌电（sEMG）作为一种新型生物识别认证方法崭露头角。由于已知 EMG 系统参数（如特征提取方法和通道数）会影响系统性能，研究这些效应对基于 sEMG 的生物识别系统性能的影响以确定最优系统参数十分重要。本研究考察了三种鲁棒特征提取方法——时域（TD）特征、频分技术（FDT）和自回归（AR）特征及其组合，同时通道数从 1 到 8 变化。针对这些系统参数，在验证与识别两种认证模式下系统研究了 16 种静态手腕和手部手势的性能。来自 24 名参与者的结果表明，TD 特征在所有通道数下均显著（p<0.05）且稳定地优于 FDT 和 AR 特征。结果还显示，四通道配置的性能与更高通道数的配置无显著差异。四通道 sEMG 验证系统的平均等错误率（EER）为：TD 特征 4%，FDT 特征 5.3%，AR 特征 10%。对于识别系统，四通道配置的平均 Rank-1 错误率（R1E）为：TD 特征 3%，FDT 特征 12.4%，AR 特征 36.3%。尺侧腕屈肌（FCU）上的电极位置对认证性能有关键贡献。因此，推荐使用 TD 特征集与四通道 sEMG 系统（其中一个电极置于 FCU 上）的组合以获得最优认证性能。
引用
@article{arxiv.2103.06015,
title = {Performance Optimization of Surface Electromyography (sEMG) based Biometric Sensing System for both Verification and Identification},
author = {Ashirbad Pradhan and Jiayuan He and Ning Jiang},
journal= {arXiv preprint arXiv:2103.06015},
year = {2021}
}
备注
12 pages, 6 figures, and one table