基于表面肌电的意图识别方法在非理想条件下的研究进展

摘要：

在基于表面肌电信号(Surface electromyography,sEMG)的意图识别研究领域,目前大多数的研究主要集中在提高肌电识别的准确性方面.然而,在实际应用中,基于sEMG识别的交互系统往往受到诸多非理想因素干扰,肌电识别的准确性大大降低.本文主要关注在非理想条件下肌电识别的鲁棒性研究,首先详细归纳了肌电识别方法受到的非理想干扰因素(如电极偏移、个体性差异、肌肉疲劳、肢体姿态或其他综合性干扰),总结了当前研究的抗干扰方法;随后讨论了非理想干扰因素研究现状中的主要问题;最后在构建肌电数据集、探索深度学习和迁移学习以及肌电分解研究等方面,对未来的关键技术进行了展望.

关键词：肌电信号识别、研究进展、非理想条件、模式识别

所属期刊栏目：47

分类号：TP391;TN967.1;R318.04

资助基金：国家自然科学基金;国家自然科学基金;中国博士后科学基金

在线出版日期：2021-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：955-969