基于 GAN 的鲁棒性增强肌电控制
计算机视觉与模式识别
2025-05-30 v2 人机交互
信号处理
摘要
电位图 (EMG) 信号在人体运动识别和医学康复中广泛应用，但其变异性和对噪声的易受性显著限制了肌电控制系统的可靠性。现有的识别算法往往无法有效处理不熟悉的动作，导致系统不稳定和错误。本文提出一种基于生成对抗网络 (GAN) 的新型框架，通过实现开放集识别来增强肌电控制系统的鲁棒性和可用性。该方法包含基于 GAN 的判别器，用于识别并排除未知动作，通过防止误分类来维持系统稳定性。在公开数据集和自采集数据集上的实验评估表明，已知动作的识别准确率为 97.6%，在排除未知动作后，主动错误率 (AER) 提升了 23.6%。该方法计算高效，适合部署在边缘设备，具有实际应用价值。
关键词
引用
@article{arxiv.2412.15819,
title = {Robustness-enhanced Myoelectric Control with GAN-based Open-set Recognition},
author = {Cheng Wang and Ziyang Feng and Pin Zhang and Manjiang Cao and Yiming Yuan and Tengfei Chang},
journal= {arXiv preprint arXiv:2412.15819},
year = {2025}
}
备注
11 pages, 14 figures