基于灰度理论模型的截肢受试者手势分类方法研究

针对截肢者手势动作特征提取复杂、动作识别率较低的问题,该文提出一种基于灰度模型的特征提取方法。首先对预处理后的肌电信号与加速度信号经滑动窗信号截取。然后提取表面肌电信号均值、灰度模型的驱动项系数和加速度信号的绝对值均值构成特征向量,最后对滑动窗截取信号特征进行连续的识别。该文采用NinaPro(Non invasive adaptive Prosthetics)公开数据集对提出的方法进行验证,实验表明该文算法能够有效提取肌电和加速度信号的特征,对9名截肢受试者的17类手势动作的平均识别率达到91.14%,提高了17类手势的识别准确率,为仿生假肢人机交互控制算法提供了一种新的思路。