基于ART2神经网络的手势动作肌电信号识别.pdfVIP

第40卷第8期 中 国 斜 缘 艘 求 大 誊 葶 旅 Vo1．40，No．8 2010年 8月 JOURNAL0FUNIVERSITYOFSClENCEAND TECHNOLOGYOFCHINA Aug．2010 文章编号2010)08—0829—06 基于ART2神经 网络的手势动作肌 电信号识别 李媛媛 ，陈 香，张 旭，杨基海 (中国科学技术大学 电子科学与技术系，安徽合肥 220027) 摘要：针对手势动作肌 电信号识别中存在的识别效率和稳定性 问题，采用一种基于ART2神经网 络的手势识别方法，并进行了单用户和多用户的实验研究．对 8名受试者、8类手势动作模式的单 用户实验，取得了较高的识别正确率，与BP网络相比，ART2分类器具有识别率高、实时性好、鲁 棒性强的优点；同时，多用户的实验结果表明，ART2网络对手势动作肌 电信号的识别具有 良好的 自适应性和稳定的分类能力． 关键词：表面肌电信号；手势识别；自适应共振 ；ART2神经网络 中图分类号 ：R318．0 文献标识码 ：A doi：10．3969／j．issn．0253—2778．2010．08．00 HandgestureSEM G signalrecognitionbasedonART2neutralnetwork LIYuanyuan，CHEN Xiang，ZHANG Xu，YANG Jihai (DepartrnentofElectronicScienceandTechnology，USTC，Hefei230027，China) Abstract：In view of theproblems of efficiency and stability existing in hand gesture SEM G signal recognition，amethod ofhand gesturerecognition basedOlltheadaptiveresonanceneutralnetwork 2 (ART2)wasproposed．Comparedwiththeback propagation (BP)network classifier，ART2classifier effectively improvestherecognition rate，reducesthesignalprocessing time，and isnotsensitive to individualdifferencesinthesingle—userexperimentsconductedoneightclassesofhandgesturesforeight subjects．Multi—userexperimentalresultsalsoindicatethatART2classifierhasgoodadaptivecapacityand stabilityindiscriminatinghandgestureSEMG signals． Keywords：surfaceEMG；handgesturesrecognition；adaptiveresonance；ART2neutralnetwork 影响小，实时性好，并且可简化连续手势动作之间的 0 引言 运动插入问题，对连续手势动作的识别具有 明显的 手势识别研究的主要 目的是把手势引入到人机 优势． 交互接 口(HCI)中，实现更加 自然、和谐、符合人类 在 SEMG手势识别的研究中，分类算法的研究 行为习惯的人机交互．从手势输入设备来看，手势识 与应用成为手势识别的关键技术之一．目前基于 别主要有基于数据手套的手势识别、基于视觉的手 SEMG手势识别常用的分类器有：神经网络分类 势识别和基于表面肌 电电信号 (sEMG)的手势识