上海工程技术大学电子电气工程学院
纸质出版:2022
移动端阅览
刘乐远, 曹乐, 阚秀, 等. 基于sEMG和LSTM的指尖力预测[J]. 传感器与微系统, 2022,(8):120-123.
基于sEMG和LSTM的指尖力预测[J]. 2022, (8): 120-123.
刘乐远, 曹乐, 阚秀, 等. 基于sEMG和LSTM的指尖力预测[J]. 传感器与微系统, 2022,(8):120-123. DOI: 10.13873/J.1000-9787(2022)08-0120-04.
基于sEMG和LSTM的指尖力预测[J]. 2022, (8): 120-123. DOI: 10.13873/J.1000-9787(2022)08-0120-04.
针对智能假手指尖力控制精度低的问题,提出了一种基于表面肌电(sEMG)和长短时记忆(LSTM)网络的指尖力预测方法。首先,通过搭建的指尖力预测实验平台,同步采集肌电信号和指尖力信号。然后,对采集到不同动作下的sEMG信号进行降噪处理、活动段划分、特征提取,使用反向传播(BP)神经网络和支持向量机(SVM)的方法进行分类。最后,建立表面肌电信号和力(sEMG-F)的映射模型,通过LSTM进行训练预测,并与广义回归神经网络(GRNN)的预测结果进行对比,表明LSTM的指尖力预测误差在1.3~1.7 N
验证了LSTM网络的优越性。
针对智能假手指尖力控制精度低的问题,提出了一种基于表面肌电(sEMG)和长短时记忆(LSTM)网络的指尖力预测方法。首先,通过搭建的指尖力预测实验平台,同步采集肌电信号和指尖力信号。然后,对采集到不同动作下的sEMG信号进行降噪处理、活动段划分、特征提取,使用反向传播(BP)神经网络和支持向量机(SVM)的方法进行分类。最后,建立表面肌电信号和力(sEMG-F)的映射模型,通过LSTM进行训练预测,并与广义回归神经网络(GRNN)的预测结果进行对比,表明LSTM的指尖力预测误差在1.3~1.7 N
验证了LSTM网络的优越性。
基于sEMG和LSTM的下肢连续运动估计 [J]. 王斐,魏晓童,秦皞. 东北大学学报(自然科学版) . 2020(03)
表面肌电信号的降噪处理 [J]. 李佳妮,王云峰. 传感器与微系统 . 2017(07)
基于表面肌电的运动意图识别方法研究及应用综述 [J]. 丁其川,熊安斌,赵新刚,韩建达. 自动化学报 . 2016(01)
基于肌电信号的多模式抓握力估计 [J]. 张冰珂,段小刚,邓华. 计算机应用 . 2015(07)
基于ADS1298的表面肌电采集系统设计 [J]. 路敦强,王为,陈永鹏. 天津师范大学学报(自然科学版) . 2015(01)
用于肌电假肢手控制的表面肌电双线性模型分析 [J]. 王涛,侯文生,吴小鹰,万小萍,郑小林. 仪器仪表学报 . 2014(08)
GRNN在肌电预测踝关节运动中的应用 [J]. 戴虹,钱晋武,张震,沈林勇,章亚男. 仪器仪表学报 . 2013(04)
基于EMG的假手实时力跟踪控制 [J]. 王新庆,刘伊威,杨大鹏,樊绍巍,刘宏. 沈阳工业大学学报 . 2012(01)
基于表面肌电信号的手指按键动作识别研究 [J]. 成娟,陈香,路知远,张旭,赵章琰. 生物医学工程学杂志 . 2011(02)
一种基于肌电信号的踝关节动作预测方法的研究 [J]. 王震,张震,姚松丽,章亚男,钱晋武. 高技术通讯 . 2010(11)
两自由度实时控制肌电假手的研究 [J]. 罗志增,李文国. 中国康复医学杂志 . 2009(04)
肌电假手感觉反馈机理研究 [J]. 汤奇荣,姜力,李楠,杨大鹏,刘宏. 传感器与微系统 . 2008(08)
基于表面肌电信号的手指运动模式识别系统 [J]. 王人成,郑双喜,蔡付文,姜力,朱德有,刘宏,李芳. 中国康复医学杂志 . 2008(05)
基于广义回归神经网络的时间序列预测研究 [J]. 冯志鹏,宋希庚,薛冬新,郑爱萍,孙玉明. 振动、测试与诊断 . 2003(02)
A Novel Surface Electromyographic Signal-Based Hand Gesture Prediction Using a Recurrent Neural Network [J] . Zhen Zhang,Changxin He,Kuo Yang. Sensors . 2020 (14)
0
浏览量
189
下载量
3
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621