控制理论与应用

作者：肖城钢,闵华松

单位：武汉科技大学,武汉科技大学

关键词：表面肌电信号; 手势识别; 空洞卷积网络; 注意力机制; 特征融合

基金：国家自然科学基金项目(62073249), 国家重点研发计划项目(2022YFB4700400)资助.

为了更有效地捕捉肌电信号中的长期动态依赖关系和局部细节信息,减少固有肌电特征信息损失对手势分类精度的影响,本文提出一种基于全局–局部特征交互的手势识别网络GL-EMG-Net.首先,融合空洞卷积和多头自注意力机制,设计全局特征提取模块Global-DT,提取肌电信号中的全局信息;然后,借助深度可分离卷积和注意力机制,设计局部特征提取模块Local-SK捕捉肌电信号中不同尺度的局部细节信息,并将提取的细节信息通过反馈机制反馈至Global-DT模块,完成局部特征与全局特征的交互;最后,将全局特征与局部特征融合后进行分类.实验结果表明,该手势识别网络在Ninapro DB5数据集的52种手势和实际12种常见手势分类中,表现出较高的手势分类精度和较强的鲁棒性.

来源：2025年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第3期