基于PSO-LSTM模型的上肢动作识别方法
作者机构:华东理工大学机械与动力工程学院 上海工程技术大学机械与汽车工程学院
出 版 物:《华东理工大学学报(自然科学版)》 (Journal of East China University of Science and Technology)
年 卷 期:2024年
学科分类:12[管理学] 07[理学] 08[工学] 0831[工学-生物医学工程(可授工学、理学、医学学位)] 0711[理学-系统科学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 0836[工学-生物工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:肌音信号(MMG) 动作识别 粒子群算法(PSO) 长短期记忆(LSTM) 特征提取
摘 要:针对上肢肌音信号(Mechanomyography,MMG)动作识别准确率不高的问题,提出一种基于粒子群算法与长短期记忆网络相结合的混合模型(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)的动作识别方法。采用5通道传感器对受试者进行上肢肌音信号采集,使用巴特沃斯滤波(Butterworth Filter)等方法对肌音信号进行预处理,并进行特征提取;构建基于PSO-LSTM的上肢肌音信号识别模型并进行模型训练和测试;最后从不同测度对比了LSTM模型、麻雀搜索算法(Sparrow Search Algorithm, SSA)优化的LSTM模型(Sparrow Search Algorithm-Long Short Term Memory, SSA-LSTM)以及PSO-LSTM模型的实验结果。结果表明,PSO-LSTM模型的准确度均高于其他两种模型,达到96.9%左右,在迭代损失、迭代速度等方面也优于其他两种模型,从而证明了该模型用于上肢肌音信号识别的优越性。