利用可穿戴式位移肌电图系统同时识别手势、抓握力和手部开口大小

《IEEE Sensors Journal》:Simultaneous Recognition of Hand Gestures, Grasping Force, and Hand Aperture Using a Wearable Displacement Myography System

【字体: 大 中 小 】 时间:2026年04月07日 来源:IEEE Sensors Journal 4.5

编辑推荐:

  监测前臂肌肉活动对于在不同应用中估计人类意图至关重要,例如虚拟现实、康复和假肢技术。虽然以往的研究主要集中在识别手势或同时分类手势和力量上,主要使用表面肌电图(sEMG),但尚未研究在同一手势中同时分类手势、力量和手部开口大小。本研究通过评估一种基于可穿戴位移肌电图(DMG)的系

  

监测前臂肌肉活动对于在不同应用中估计人类意图至关重要,例如虚拟现实、康复和假肢技术。虽然以往的研究主要集中在识别手势或同时分类手势和力量上,主要使用表面肌电图(sEMG),但尚未研究在同一手势中同时分类手势、力量和手部开口大小。本研究通过评估一种基于可穿戴位移肌电图(DMG)的系统来扩展以往的方法,该系统能够同时识别手势、四种抓握力量水平和多种手部开口大小,并在相同的实验条件下直接与sEMG系统进行对比测试。研究收集了13名健康参与者的数据,他们在使用带有DMG传感器和sEMG传感器的MyoLog臂带时,执行了三种抓握动作(捏取、按键、握力),对象大小和力量水平各不相同,共生成了33种组合。在多种分类器中,DMG系统的最高准确率达到93 ± 2%,显著优于sEMG(64 ± 10%)。DMG在手部开口大小分类方面表现更优(98 ± 3%),而sEMG在力量水平分类方面表现相对较好,但仍较低(82 ± 11%)。Fisher判别比分析进一步支持了这些结果,表明DMG在类别区分能力上具有明显优势。这些发现突显了DMG在需要精确识别手部开口大小和力量水平的应用中的适用性,它提供了一种紧凑、计算效率高且兼容刺激的解决方案,克服了基于sEMG系统的多种局限性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号