基于多元同步压缩变换时频特征的统计分析与手势分类
计算机视觉与模式识别
2022-09-28 v1 人机交互
机器学习
信号处理
摘要
在本研究中，提出将多元同步压缩变换（MSST）所得时频（TF）矩阵的四个联合时频矩——均值、方差、偏度和峰度——作为手势识别的特征。使用了一个公开数据集，包含 40 名受试者执行 10 种手势的表面肌电（sEMG）信号。根据 Kruskal-Wallis (KW) 检验得到的 p 值评估所测手势特征变量的区分能力。结论是，TF 矩阵的均值、方差、偏度和峰度可作为手势识别的候选特征集。
引用
@article{arxiv.2209.13350,
title = {Statistical Analysis of Time-Frequency Features Based On Multivariate Synchrosqueezing Transform for Hand Gesture Classification},
author = {Lutfiye Saripinar and Deniz Hande Kisa and Mehmet Akif Ozdemir and Onan Guren},
journal= {arXiv preprint arXiv:2209.13350},
year = {2022}
}
备注
Conference Paper, 5 pages, Translated Title (TR): El Hareketi Siniflandirmasi icin Cok-Degiskenli Senkrosikistirma Donusumune Dayali Zaman-Frekans Ozniteliklerinin Istatistiksel Analizi Proceedings: https://www.tipcih.com/books/ICMD2022_Proceedings-DRAFT.pdf Website: https://www.tipcih.com/