一种面向跨个体肌电手势识别的小样本无监督特征自适应对齐策略

文章预览

不同个体的表面肌电信号（sEMG）具有显著差异性，新个体往往需要经过校准或重训练之后才能正常使用肌电手势识别系统，该过程冗余且耗时，给使用者造成精神负担。近日，中国科学院深圳先进技术研究院的研究团队提出一种小样本无监督的域自适应对齐策略，利用新个体少量未标记的sEMG数据，通过动态调整域自适应过程中边缘分布和条件分布的重要性和特征投影空间的维度，使不同个体的sEMG信号特征在投影空间中实现有效对齐，显著提高跨个体用户的动作识别性能，并极大降低数据校准负担。相关结果发表于《Journal of Neural Engineering》。   1      研究背景 基于sEMG信号的手势识别技术是利用机器学习方法从sEMG信号中提取特征，解码人体手部动作意图。该技术在智能假肢和康复机器人中得到了广泛应用，是人机智能交互领域的研究热点。但是 ………………………………