基于高密度肌内微电极阵列的脉冲神经网络指尖力度解码
人机交互
2025-09-05 v1 信号处理
摘要
恢复自然istic手指控制能力是辅助技术的关键任务，需实现高精度、高效能且具备鲁棒性的连续运动意图解码。本文提出一种集成脉冲神经网络（SNN）于高密度肌内微电极阵列中提取的运动单位活动，用于指尖力度解码。我们在最大自愿收缩力度的15%等长收缩时，利用SNN实现对单个手指力度的同步与比例解码。系统评估了不同的SNN解码器配置，并比较了两种可能的输入模态：基于生理学的运动单位脉冲序列与脉冲编码的肌内电图信号。通过该比较，我们量化了解码精度、内存占用和输入错误鲁棒性之间的权衡。结果表明，浅层SNN能够以具竞争力的精度和最小延迟可靠解码手指级运动意图，同时实现降低的内存需求，无需外部预处理缓冲区。本工作为将SNN集成至指尖力度解码系统提供了实用蓝图，表明输入表示的选择可为实现特定应用中准确性、鲁棒性和内存效率的需求提供战略性调控。
引用
@article{arxiv.2509.04088,
title = {Spiking Neural Network Decoders of Finger Forces from High-Density Intramuscular Microelectrode Arrays},
author = {Farah Baracat and Agnese Grison and Dario Farina and Giacomo Indiveri and Elisa Donati},
journal= {arXiv preprint arXiv:2509.04088},
year = {2025}
}