基于GMM-HMMs与Viterbi回溯的连续手势肌电信号预测与识别

摘要

针对基于表面肌电信号(sEMG)的连续手势识别任务中，存在实时性较差和预测能力不足的问题，提出一种基于GMM-HMMs(高斯混合-隐马尔可夫模型)和Viterbi回溯的连续手势动作识别方法．采用滑动窗口对8通道肌电信号进行分窗，通过GMM-HMMs建立手势的空闲、上升、稳定和下降4个动作状态，提出改进的Viterbi滑动窗口边缘化策略，建立滑动窗口长期约束，实现连续手势动作状态预测．最终引入最大似然法动态阈值模型以区分手势类别．在由8位实验者完成的包含4种手势的12个连续两手势动作任务中，该方法的平均识别率为98.1%，预测时间为71 ms，明显优于LSTM模型(94.2%,309 ms)和GRU模型(93.8%,300 ms).

关键词

模式识别 / 连续手势 / GMM-HMMs / Viterbi回溯 / 表面肌电信号