《基于不同训练模式的纳米金柔性传感器的手势动作识别》PDF+DOC
作者:孙淑睿,黄品高,汪鑫,陈世雄,李光林
单位:中国科学院深圳先进技术研究院;科学出版社
出版:《集成技术》2020年第02期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFJCJI2020020010
DOC编号:DOCJCJI2020020019
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于nect传感器的人物骨骼控制用于游戏的研究与应用》PDF+DOC2020年第02期 陈佳
《基于Myo旋转偏移估计与自适应校正的手势识别方法》PDF+DOC2020年第09期 李自由,王丰焱,赵新刚,丁其川,张道辉,韩建达
《基于惯性传感器的手机手势识别》PDF+DOC 刘煜,杨平,段丙涛
《基于三轴加速度传感器的手势识别》PDF+DOC2011年第24期 刘蓉,刘明
《基于加速度识别的姿态交互研究》PDF+DOC2009年第02期 孔俊其,王辉,张广泉
《基于MMA8452Q的肢体动作识别系统的设计》PDF+DOC2014年第02期 谢泽奇,张会敏
《基于体感的扩展身份认证系统》PDF+DOC2013年第12期 赵卫伟,王琼,王志国
《基于Leap Motion传感器的自适应动态手势识别》PDF+DOC2017年第02期 刘权,陈一民,高明柯,李启明,黄晨
《基于STM32系列单片机的智能手势识别多功能系统》PDF+DOC2020年第33期 王娟
《运动传感驱动的3D直观手势交互》PDF+DOC2010年第03期 梁秀波,张顺,李启雷,张翔,耿卫东
假肢控制技术研究中,研究者们通常利用解码表面肌电信号(Surface Electromyography,sEMG)来获得截肢者的运动意图。传统的sEMG采集中,为降低皮肤与电极之间的阻抗,通常需要涂导电膏后与皮肤直接接触,因此会导致部分患者皮肤过敏和身体不适,且sEMG容易受肌肉疲劳影响,不利于长期监测。针对以上问题,该研究采用一种纳米金柔性传感器,解码其因肌肉收缩拉伸后产生的形变信号,并探究两种不同训练模式在此方法下的分类性能。其中,训练模式包括:重复训练模式,即每组重复做同一个动作;随机训练模式,即动作顺序随机化,每组每个动作只做一次。结果表明,所有受试者使用纳米金柔性传感器的平均手势识别率均在90%以上,且两种训练模式间无显著性差异(重复训练模式为95.46%、随机训练模式为94.18%,P值为0.227 5)。这表明纳米金柔性传感器与湿电极一样,可以实现可靠的手势识别。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。