-
题名融合双层注意力与多流卷积的肌电手势识别记忆网络
被引量:2
- 1
-
-
作者
刘聪
许婷婷
马钰同
刘粤
孔祥斌
胡胜
-
机构
湖北工业大学电气与电子工程学院
太阳能高效利用湖北省协同创新中心
武汉华安科技有限股份有限公司博士后科研工作站
-
出处
《光电子.激光》
CAS
CSCD
北大核心
2023年第2期180-189,共10页
-
基金
国家自然科学基金(61901165)资助项目。
-
文摘
针对表面肌电信号(surface electromyography, sEMG)手势识别使用卷积神经网络(convolutional neural network, CNN)提取特征不够充分,且忽略时序信息而导致识别精度不高的问题,本文创新性地提出了一种融合双层注意力与多流卷积神经网络(multi-stream convolutional neural network, MS-CNN)的sEMG手势识别记忆网络模型。首先,利用滑动窗口生成的表面肌电图像作为该模型的输入;然后在MS-CNN中嵌入通道注意力层(channel attention module, CAM),弱化无关信息,使网络能够更加专注sEMG的有效特征;其次,通过长短期记忆网络(long short term memory network, LSTM)对输入的特征进行时序上的激励,关注更多sEMG的时序信息,让网络在时间维度上拥有更强的学习能力;最后,采用时序注意力(time-sequence attention, TSA)层对LSTM的状态进行关注,从而更好地学习重要肌肉信息,提高手势识别精度。在NinaPro数据集上进行实验测试,结果表明,使用本文提出的网络模型在DB1数据集和DB2数据集的手势识别精度分别达到了86.42%和80.60%,高于大多数主流模型,充分验证了模型的有效性。
-
关键词
表面肌电信号(sEMG)
手势识别
多流卷积神经网络(MS-CNN)
长短期记忆网络(LSTM)
注意力机制
-
Keywords
surface electromyography(sEMG)
gesture recognition
multi-stream convolutional neural network(MS-CNN)
long short term memory network(LSTM)
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-