ComputerEngineeringandApplications计算机工程与应用2023，59（7）⦾模式识别与人工智能⦾肌电信号多通道相关性特征手势识别方法江茜1，李沿宏1，邹可2，袁学东11.四川大学计算机（软件）学院，成都6100652.四川大学视觉合成图形图像技术国防重点学科实验室，成都610065摘要：多通道表面肌电信号（surfaceelectromyography，sEMG）传统手势识别方法，主要提取各个通道时域、频域和时频域特征作为分类器的输入，鲜有考虑通道间的相关性，在提升识别精度上遇到瓶颈。为了充分利用sEMG多通道信息以提高手势识别精度，提出一种以多通道相关性为特征的肌电手势识别方法。该方法计算多通道间一致性相关系数，作为多通道sEMG线性相关特征参数，同时获取多通道间的互信息，作为多通道sEMG非线性相关特征参数。实际运用中精确估计联合概率密度函数往往十分困难，根据互信息与copula熵关系，将互信息估计转化为copula熵的估计，通过经验分布函数进行概率积分变换，采用非参数估计方法估计copula熵，从而避免联合概率密度函数的估计。利用两种相关性特征参数构建多通道相关性特征进行对比实验，基于stacking模型使用多通道相关性特征与4种常用时域特征进行识别并对比结果，其次基于多通道相关性特征使用stacking模型与5种常用分类器进行对比识别，实验结果表明所提的多通道相关性特征能有效区分手势动作，在采集的健康受试者手势数据集上平均识别准确率达到94%。关键词：手势识别；表面肌电信号；一致性相关系数；互信息；多通道相关性文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.2111-0123MyoelectricGestureRecognitionBasedonMulti-ChannelCorrelationFeatureJIANGXi1,LIYanhong1,ZOUKe2,YUANXuedong11.SchoolofComputerScience（Software）,SichuanUniversity,Chengdu610065,China2.NationalKeyLaboratoryofFundamentalScienceonSyntheticVision,SichuanUniversity,Chengdu610065,ChinaAbstract：Thetraditionalmulti-channelsurfaceelectromyography（sEMG）gesturerecognitionextractsthetimedomain,frequencydomainandtimefrequencydomainfeaturesofeachchannelastheinputoftheclassifier.Thecorrelationamongchannelsisrarelyconsidered,andtherecognitionaccuracyisbottlenecked.Inordertomakefulluseofthemulti-channelsEMGinformationtoimprovetheaccuracyofgesturerecognition,asEMG-basedmulti-channelcorrelationfeatureis...
