嵌入式肌电腕带实时采集与识别系统设计.pdfVIP

嵌入式肌电腕带实时采集与识别系统设计.pdf

此“医疗卫生”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

第51卷第2期/2025年2月/计算机工程研究论文

嵌入式肌电腕带实时采集与识别系统设计

阳佩珉,闵华松

(武汉科技大学信息科学与工程学院,湖北武汉430081)

摘要:目前,大多数商用表面肌电(sEMG)信号采集系统存在价格昂贵、便携性和时效性无法满足应用需求的

缺陷。为了解决该问题,结合模拟采集电路的精度要求以及微控制器低功耗、高性能、灵活性等方面的需求,设计

一种嵌人式一体化肌电腕带,可以用于实时手势识别。首先,采用低成本、低噪声的精密放大器完成模拟采集电

路设计,并在仿真环境中对电路进行仿真验证,保证信号采集质量;其次,在低功耗、高性能的微控制器ESP32-S3

上提出轻量化卷积神经网络L-CNN以进行实时识别。L-CNN在预训练后进行剪枝和量化,然后完成部署。通

过剪枝算法去除模型中穴余的权重参数,减小模型大小,加快推理速度,并微调到预训练模型中。量化将原有

32位浮点数降到8位整数进行计算,使模型尺寸降低以适用于嵌人式设备。实验结果表明,L-CNN的尺寸相比

原模型大幅降低,推理速度得到提升,并且在实时手势识别中能达到95%左右的识别准确率,验证了整个系统的

可靠性。

关键词:表面肌电信号;手势识别;微控制器;模型剪枝;模型量化

中图分类号:TP391.4文献标志码:AD0l:10.19678/j.issn.1000-3428.0068726

DesignofEmbeddedEMGWristbandReal-TimeAcquisitionand

RecognitionSystem

YANGPeimin,MINHuasong*

(SchoolofInformationScienceandEngineering,WuhanUniversityofScienceandTechnology,Wuhan430081,Hubei,China)

[Abstract)Currently,mostcommercialsurfaceElectromyographic(sEMG)signalcollectionsystemshavethe

drawbacksofhighcost,portability,andtimeliness,whichcannotmeetapplicationneeds.Tosolvethese

problems,thisstudycombinestheaccuracyrequirementsofanalogacquisitioncircuitswithlow-power,high-

performance,andflexibilityrequirementsofmicrocontrollerstodesignanembeddedintegratedelectromyographic

wristbandthatcanbeusedforreal-timegesturerecognition.First,alow-cost,low-noiseprecisionamplifierwas

usedtocompletethedesignoftheanalogacquisitioncircuit,andthecircuitwasverifiedinasimulationenvironment

toensurethequalityofsignalacquisition.Second,alightweightconvolutionalneuralnetworkL-CNNwas

developedforreal-timerecognitionofthelow-powerandhigh-performancemicrocontrollerESP32-S3.Apruning

a

文档评论(0)

你就是我的小鱼鱼 + 关注
实名认证
文档贡献者

教师资格证持证人

该用户很懒,什么也没介绍

领域认证该用户于2024年10月18日上传了教师资格证

1亿VIP精品文档

相关文档