基于GA-BLS方法的手势识别研究.pdfVIP

第４５卷第１期计量学报Ｖｏｌ．４５，№１

２０２４年１月ＡＣＴＡＭＥＴＲＯＬＯＧＩＣＡＳＩＮＩＣＡＪａｎｕａｒｙ，２０２４

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１１５８．２０２４．０１．１７

基于ＧＡＢＬＳ方法的手势识别研究

杜义浩，曹添福，范强，王孝冉

（燕山大学电气工程学院河北省测试计量技术及仪器重点实验室

河北省智能康复及神经调控重点实验室，河北秦皇岛０６６００４）

摘要：为进一步提升人机交互领域中手势识别的精度和速度，探究肌肉疲劳对手势识别的影响规律，提出了

改进的ＧＡＢＬＳ方法，利用遗传算法（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ，ＧＡ）优化宽度学习（ｂｒｏａｄｌｅａｒｎｉｎｇｓｙｓｔｅｍ，ＢＬＳ）模型参数，

并使用弹性网络回归改进传统的ＢＬＳ模型。利用所提模型对８种手势下的Ａ型超声信号和肌电信号进行手势识

别分析，并与ＳＶＭ、ＫＮＮ、ＲＦ、ＬＤＡ等方法进行对比，以验证所研究方法的有效性；将长时间段下的Ａ型超声信号和

肌电信号切分成４个数据段，发现随着肌肉疲劳程度的增加，手势识别的准确率均呈现出明显下降的趋势，而且Ａ

型超声信号相较于肌电信号具有更好的抗疲劳特性。

关键词：手势识别；生理信号；遗传算法；宽度学习；肌肉疲劳；弹性网络回归

中图分类号：ＴＢ９９；ＴＢ９７３文献标识码：Ａ文章编号：１０００１１５８（２０２４）０１０１２１０７

ＲｅｓｅａｒｃｈｏｎＧｅｓｔｕｒｅＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＧＡＢＬＳ

ＤＵＹｉｈａｏ，ＣＡＯＴｉａｎｆｕ，ＦＡＮＱｉａｎｇ，ＷＡＮＧＸｉａｏｒａｎ

（ＫｅｙＬａｂｏｆＭｅａｓｕｒｅｍｅｎｔＴｅｃｈｎｏｌｏｇｙａｎｄＩｎｓｔｒｕｍｅｎｔａｔｉｏｎｏｆＨｅｂｅｉＰｒｏｖｉｎｃｅ，ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｔｅｌｌｉｇｅｎｔ

ＲｅｈａｂｉｌｉｔａｔｉｏｎａｎｄＮｅｕｒｏｍｏｄｕｌａｔｉｏｎｏｆＨｅｂｅｉＰｒｏｖｉｎｃｅ，ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇ，

ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ０６６００４，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｏｆｕｒｔｈｅｒｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙａｎｄｓｐｅｅｄｏｆｇｅｓｔｕｒｅｒｅｃｏｇｎｉｔｉｏｎｉｎｔｈｅｆｉｅｌｄｏｆｈｕｍａｎｃｏｍｐｕｔｅｒ

ｉｎｔｅｒａｃｔｉｏｎ，ａｎｄｅｘｐｌｏｒｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｍｕｓｃｌｅｆａｔｉｇｕｅｏｎｇｅｓｔｕｒｅｒｅｃｏｇｎｉｔｉｏｎ，ａｎｉｍｐｒｏｖｅｄＧＡＢＬＳｍｅｔｈｏｄｗａｓｐｒｏｐｏｓｅｄ，

ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ（ＧＡ）ｗｅｒｅｕｓｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｈｅｂｒｏａｄｌｅａｒｎｉｎｇｓｙｓｔｅｍ（ＢＬＳ）ｍｏｄｅｌ，ａｎｄｅｌａｓｔｉｃ

ｎｅｔｗｏｒｋｒｅｇｒｅｓｓｉｏｎｗａｓｕｓｅｄｔｏｉｍｐｒｏｖｅｔｈｅｔｒａｄｉｔｉｏｎａｌＢＬＳｍｏｄｅｌＴｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｗａｓｕｓｅｄｔｏａｎａｌｙｚｅｔｈｅＡｍｏｄｅ

ｕｌｔｒａｓｏｕｎｄｓｉｇｎａｌａｎｄＥＭＧｓｉｇｎａｌｕｎｄｅｒｅｉｇｈｔｋｉｎｄｓｏｆｇｅｓｔｕｒｅｓｆｏｒｇｅｓｔｕｒｅｒｅｃｏｇｎｉｔｉｏｎ，ａｎｄｃｏｍｐａｒｅｄｗｉｔｈＳＶＭ，ＫＮＮ，

ＲＦ，ＬＤＡａｎｄｏｔｈｅｒｍｅｔｈｏｄｓｔｏｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｒｅｓｅａｒｃｈｍｅｔｈｏｄｓ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅＡｍｏｄｅｕｌｔｒａｓｏｕｎｄａｎｄ

ＥＭＧｉｎａｌｏｎｇｐｅｒｉｏｄｏｆｔｉｍｅｗｅｒｅｄｉｖｉｄｅｄｉｎｔｏｆｏｕｒｄａｔａｓｅｇｍｅｎｔｓ．Ｉｔｗａｓｆｏｕｎｄｔｈａｔｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｍｕｓｃｌｅｆａｔ