基于肌音信号图像化和卷积神经网络的手语识别研究

摘要：

时间序列信号被广泛应用于各种模式识别的场合,针对大量目标的时间序列信号模式识别率低的问题,借助多种图像化手段,将时间序列信号转换为图像,采用图像分类算法实现模式识别.实验中采集了前臂上30种手语对应的肌音信号(Mechanomyography,MMG),将其转换为不同风格的图像,设计卷积神经网络(Convolution Neural Network,CNN)框架,对图像化的肌音信号训练集建立模式识别的分类模型,并且应用迁移学习(transfer learning)算法对模型进行多次优化,建立的分类模型识别率达98.7％,高于普通机器学习算法的识别率.实验结果证明了图像化处理时间序列信号可以有效提高多分类肌音信号模式识别的识别率,该研究可以为其他时间序列信号的模式识别研究提供参考.

关键词：肌音信号;模式识别;时间序列图像化;卷积神经网络;迁移学习

所属期刊栏目：48

分类号：TN911.7

在线出版日期：2021-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：242-249