基于迁移学习的肌电信号手势识别方法研究

摘要

在利用肌电信号进行手势识别的过程中，受行为习惯、肌肉组织以及佩戴方式不同等影响，往往存在手势训练时间长、数据量大、识别准确度低、实时性差等难题。为此，本文运用迁移学习理论对LSTM算法模型进行改进，选取不同状态的手势组成源任务，以训练好的LSTM网络作为源网络模型，对设定的6种手势完成两种迁移策略与非迁移策略下的手势识别对比实验。结果表明：采用预训练方式的迁移学习策略识别效果优于固定值方式的迁移策略。当采用预训练迁移策略的方式改进LSTM手势识别算法时，其训练时间仅为使用LSTM识别算法所需训练时间的1/16，当每个动作仅重复20次时，准确率就可以达到80.2%，比仅使用源网络中的LSTM手势识别方法平均高出22%。因此，采用迁移学习方法在减轻训练量的同时，也可以提高手势识别的准确率。

关键词

肌电传感技术 / 迁移学习 / 神经网络 / 无人系统 / 手势识别