检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

采用迁移学习的表面肌电信号手势识别方法

科学技术与工程 2024年第12期24卷 5044-5050页

作者：胡学政陶庆赵暮超刘景轩马金旭新疆大学机械工程学院乌鲁木齐830017

为解决采用表面肌电信号(surface electromyography,sEMG)进行手势识别时电极贴片位移、受试者动作变化等复杂情况下分类识别准确率下降这一问题,提出一种基于表面肌电信号与迁移学习的手势分类模型。首先对4通道表面肌电信号进行活动... 详细信息

为解决采用表面肌电信号(surface electromyography,sEMG)进行手势识别时电极贴片位移、受试者动作变化等复杂情况下分类识别准确率下降这一问题,提出一种基于表面肌电信号与迁移学习的手势分类模型。首先对4通道表面肌电信号进行活动段提取与降噪处理,然后提取活动段信号的4种时域特征与2种频域特征。采用流形嵌入分布对齐(manifold embedded distribution alignment,MEDA)方法将源领域和目标领域的特征矩阵嵌入到格拉斯曼流形中进行流形特征学习,减小两域之间的数据差异,消除特征退化;同时根据自适应因子执行动态分布对齐,动态调整数据不同分布差异下边缘分布和条件分布的相对重要性。对多名受试者开展实验以验证所提方法的合理性,实验结果表明:所提方法与决策树(decision tree,DT)、支持向量机(support vector machine,SVM)、k临近(k-nearest neighbor,KNN)3种传统机器学习方法相比,识别准确率分别提高了13%、21%、9%。与未执行流形学习与动态分布对齐的联合分布适配(joint distribution adaptation,JDA)迁移学习方法相比,识别准确率提高了52%,达到93%,证明所提方法对于复杂情况下的手势分类具有优良的效果。

关键词：表面肌电信号迁移学习活动段提取流形嵌入分布对齐手势识别

在线全文

学校读者我要写书评

暂无评论

基于CWT和改进CBAM的手势识别方法

计算机工程与应用 2024年

作者：王丽春张朝霞符文林陈帅陈泓扬太原理工大学电子信息与光学工程学院太原理工大学电气与动力工程学院

手势作为一种交互方式，其动作简单直观、含义丰富，被广泛应用在各个领域。目前基于雷达的手势识别方法，大多采用短时傅里叶变换处理雷达回波信息，然而短时傅里叶变换窗口固定，不能同时提高时间分辨率和频率分辨率，为充分利用有效... 详细信息

手势作为一种交互方式，其动作简单直观、含义丰富，被广泛应用在各个领域。目前基于雷达的手势识别方法，大多采用短时傅里叶变换处理雷达回波信息，然而短时傅里叶变换窗口固定，不能同时提高时间分辨率和频率分辨率，为充分利用有效信息，提出采用连续小波变换处理雷达回波信号以提高手势识别精度。针对目前手势识别网络较为复杂，且受注意力机制能增强卷积神经网络特征表达的启发，提出一种基于改进CBAM（Convolutional Block Attention Module）注意力机制的手势识别网络。实验捕获了9种手势动作，建立了微多普勒图像数据集，结果表明，该方法实现简单，参数较少，识别准确率达到96.3%。

关键词：手势识别注意力机制超宽带雷达连续小波变换

融合多模态生成和情景训练的环境无关手势识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第2期45卷 265-270页

作者：程宇周瑞张子若罗悦张宏旺王佳昊电子科技大学信息与软件工程学院成都610054

无线通信和感知技术的发展促进了WiFi感知的产生与发展.依据人体及其行为对WiFi信号传播的影响,通过模式匹配可以实现基于WiFi的手势识别、活动识别、定位等感知任务.但是WiFi信号对环境具有较大依赖性,目标人员或周围环境的变化会导致... 详细信息

无线通信和感知技术的发展促进了WiFi感知的产生与发展.依据人体及其行为对WiFi信号传播的影响,通过模式匹配可以实现基于WiFi的手势识别、活动识别、定位等感知任务.但是WiFi信号对环境具有较大依赖性,目标人员或周围环境的变化会导致已经建立的感知模型失效.为了解决这个问题,现有方案通常采用半监督或无监督域适应方法.但在实际应用中,无法预先获得新环境中的数据.因此,需要一种无需新环境数据,即可自动泛化到新环境的方法.为了实现这个目标,本文提出一种基于多模态样本生成和情景训练的环境无关手势识别方法.该方法采用若干源域的数据建立手势识别模型,能够在目标域没有任何数据的情况下,泛化到目标域中.实验结果表明,该方法在目标域无数据的情况下,对新用户和新环境的手势识别正确率均超过80%,高于业界现有水平.

关键词： WiFi感知手势识别环境无关虚拟样本生成情景训练

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

一种基于特征位移的手势识别方法

电子测量技术 2024年第8期47卷 141-147页

作者：刘翔刘新妹李传坤张晋钊中北大学信息探测与处理山西省重点实验室太原030051 中北大学省部共建动态测试技术国家重点实验室太原030051

针对卷积操作受到遍历规则的限制,只能提取单个骨骼节点的特征信息,不能对相邻节点之间的有效特征信息进行融合,导致表达能力有限的问题,提出了一种基于特征位移模块的手势识别神经网络。该网络采用常规时空图卷积神经网络的架构,并将... 详细信息

针对卷积操作受到遍历规则的限制,只能提取单个骨骼节点的特征信息,不能对相邻节点之间的有效特征信息进行融合,导致表达能力有限的问题,提出了一种基于特征位移模块的手势识别神经网络。该网络采用常规时空图卷积神经网络的架构,并将常规时空卷积模块替换为特征位移模块,实现相邻节点特征信息之间的融合。利用特征位移模块对位移信道进行重新排序,实现提取骨骼节点的全局化特征信息,进一步完成对手势信息的高效准确分类。并在公开数据集DHG-14/28和FPHA上验证该特征位移模块,在14类、28类和FPHA手势数据集的分类准确度分别达到了95.11%、93.01%和92.67%。实验结果表明,该网络模型能够更好更有效的挖掘全局特征信息,在常见的手势识别数据集上达到了优秀的性能。

关键词：手势识别卷积神经网络特征位移图卷积神经网络深度学习

在线全文

学校读者我要写书评

暂无评论

基于点云轨迹和压缩多普勒的跨场景手势识别

计算机科学 2024年第2期51卷 182-188页

作者：张宏旺周瑞程宇刘辰旭电子科技大学信息与软件工程学院成都610054

毫米波雷达能够用于各种感知任务,如活动识别、手势识别、心率感知等。手势识别作为其中的研究热点,可实现无接触人机交互。目前大多数手势识别研究使用点云或距离多普勒图通过神经网络进行识别感知,但是这些方法存在一些问题。首先,这... 详细信息

毫米波雷达能够用于各种感知任务,如活动识别、手势识别、心率感知等。手势识别作为其中的研究热点,可实现无接触人机交互。目前大多数手势识别研究使用点云或距离多普勒图通过神经网络进行识别感知,但是这些方法存在一些问题。首先,这些方法鲁棒性较差,被感知人员或其位置发生变化都会影响接收到的毫米波信号,降低感知精度。其次,这些方法将完整的距离多普勒图输入神经网络进行识别,由于图中存在较多与感知任务无关的区域,模型复杂且难以专注于感知任务。为解决这些问题,首先从连续多帧点云数据中建立手势轨迹,然后将连续多帧距离多普勒图进行局部切割并压缩获得二维局部多普勒图,最后将点云轨迹和二维局部多普勒图分别经过神经网络特征提取后,对特征进行拼接,通过全连接神经网络进行分类。实验结果表明,所提方法专注于手势,能够达到98%的识别准确率,在人员变化和位置变化情况下对新用户和在新位置的识别准确率分别能够达到93%和92%,高于现有方法。

关键词：毫米波雷达手势识别跨场景位置无关人无关

基于MPCNN模型的sEMG快速迁移学习的手势识别应用研究

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：易鹏杨晔严仕嘉上海师范大学信息与机电工程学院

为解决个体间差异性的问题并提高手势识别技术的普适性，本文提出了一种基于多并行卷积网络（Multi Parallel Conventional Neural Network， MPCNN）的迁移学习策略。该策略旨在实现基于表面肌电信号的高效手势识别。MPCNN通过并行架... 详细信息

为解决个体间差异性的问题并提高手势识别技术的普适性，本文提出了一种基于多并行卷积网络（Multi Parallel Conventional Neural Network， MPCNN）的迁移学习策略。该策略旨在实现基于表面肌电信号的高效手势识别。MPCNN通过并行架构和优化的迁移学习机制，对比以往的CNN迁移框架能够更有效地处理不同个体间的生理差异，从而提高了模型对新用户的适应性和识别准确率。此外，MPCNN通过减少模型训练时间和提高泛化能力，显著增强了系统的实用性。通过多组实验，包括倍数交叉验证、消融实验和健壮性测试，本研究证实了所提策略在多个方面的有效性。实验结果显示，与传统CNN模型相比，MPCNN在手势识别准确率方面提升显著，本文提出的MPCNN迁移学习策略在Ninapro DB7识别率达到了94.95%对比以往的CNN迁移学习框架有4.38%的提升，同时训练时间减少了超过50%。这些实验验证了MPCNN迁移模型在减轻训练负担、增强泛化能力和提高抗干扰性方面的优点。基于实验模型对人机交互能力进行了验证，验证了其在肌电控制应用前景。

关键词：迁移学习表面肌电信号手势识别深度学习卷积神经网络肌电控制

基于半监督生成对抗网络的毫米波雷达跨域手势识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量技术 2024年第4期47卷 1-9页

作者：许婷饶云华易建新武汉大学电子信息学院武汉430072

基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法,其性能受限于雷达数据的获取和标注,且其学习样本都来源于单一环境,极大的影响了不同场景下的... 详细信息

基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法,其性能受限于雷达数据的获取和标注,且其学习样本都来源于单一环境,极大的影响了不同场景下的迁移能力,因此本文提出了一种基于半监督生成对抗网络的跨域手势识别方法。首先,通过数据预处理,提取动态混合特征时间图(DFTM)以消除环境干扰,并且对手势动态特征进行更加全面的表征;其次,结合毫米波信号特点进行数据增强,进一步扩充数据量,提高模型泛化能力;第三,针对实际应用中可获得的标记数据通常较少的问题,提出并构建了一个改进半监督生成对抗网络,在原始GAN的基础上增加了分类器,通过生成数据帮助提高分类器辨别能力,同时利用源域中的少量标记数据和目标域中的大量未标记数据,实现域无关的手势识别。实验结果表明,对于新用户、新环境和新位置的平均手势识别准确率分别达到98.21%、95.23%和97.6%。与现有其他手势识别方法相比,本文所提方法在只有少量标记数据的情况下也能达到较高的跨域手势识别准确率,为后续毫米波雷达人机交互提供了新的研究思路。

关键词：毫米波雷达手势识别半监督学习特征压缩

一种基于菲涅耳区和深度学习的WiFi手势识别方法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第1期45卷 249-256页

作者：冉凌鎛张雷刘晓文中国矿业大学信息与控制工程学院江苏徐州221008 中国矿业大学物联网(感知矿山)研究中心江苏徐州221008 徐州工程学院信息工程学院江苏徐州221008 中国矿业大学电气工程学院江苏徐州221008

针对当前的WiFi手势识别技术对手势估计不准确、受噪声影响较大和特征提取不充分等问题,文章提出了一种基于菲涅耳区和深度学习的识别方法.该方法主要分为3个阶段:模型搭建、数据预处理和手势分类.模型搭建阶段通过菲涅耳区定量了手势... 详细信息

针对当前的WiFi手势识别技术对手势估计不准确、受噪声影响较大和特征提取不充分等问题,文章提出了一种基于菲涅耳区和深度学习的识别方法.该方法主要分为3个阶段:模型搭建、数据预处理和手势分类.模型搭建阶段通过菲涅耳区定量了手势运动与信号波动模式之间的精确关联,进而确保了对手势的精准估计;数据预处理阶段通过天线之间的商模型、离散傅里叶变换、Hampel滤波器和离散小波变换进行平滑滤波处理,保证了振幅和相位信息的质量;手势分类阶段利用建立的深度神经网络模型,从所有链路的子载波信息中自动提取并筛选出时空域特征,最后用Softmax函数实现手势识别.实验证明,该方法能够达到96%的识别准确率,在不同的实验环境下具有较高的鲁棒性.

关键词： WiFi 信道状态信息菲涅耳区深度学习手势识别

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种双路并行的大规模手势识别模型

合肥工业大学学报（自然科学版） 2024年第5期47卷 585-589,605页

作者：曹一丹王青山王琦合肥工业大学数学学院安徽合肥230601

文章以大规模手势为研究对象,提出一种基于肌电信号(electromyography,EMG)分支和惯性测量单元(inertial measurement unit,IMU)分支的双路并行手势识别模型。首先,设计双路并行模型来充分提取数据特征,EMG分支利用二维卷积神经网络设... 详细信息

文章以大规模手势为研究对象,提出一种基于肌电信号(electromyography,EMG)分支和惯性测量单元(inertial measurement unit,IMU)分支的双路并行手势识别模型。首先,设计双路并行模型来充分提取数据特征,EMG分支利用二维卷积神经网络设计双流结构,分别关注EMG信号的空间和通道变化,IMU分支在卷积长短时记忆(convolutional long short-term memory,ConvLSTM)网络基础上引入时间机制,将空间信息与时间信息融合;其次,对模型预训练并根据预训练模型进行参数微调,提高模型泛化性;最后,在500个常用的中国手语手势上进行测试,结果表明,该模型平均识别率为82.1%,与SignSpeaker和CG-Recognizer相比分别提高了21.0%和6.8%。

关键词：预训练手势识别深度学习肌电信号(EMG) 惯性测量单元(IMU)