基于人工鱼群算法-极限学习机的多手势精准识别
基于人工鱼群算法-极限学习机的多手势精准识别
复制标题
DOI：
10.3785/j.issn.1006-754x.2021.00.081
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
孟庆丰
中科院分区：
文献类型：
--
作者：
来全宝;陶庆;胡玉舸;孟庆丰
手势作为人机交互的重要方式，因灵活性与便捷性强，已成为控制领域的研究重点。针对上肢康复机器人手势识别技术存在的不足，结合特征组合与滑动窗口法，提出一种基于人工鱼群算法（artificial fish swarm algorithm，AFSA）优化的极限学习机（extreme learning machine，ELM）的多手势精准识别方法，以提高手势识别的准确率。首先，运用表面肌电测量系统采集人体常用的8种手势对应的表面肌电信号（surface electromyography，SEMG），作为后续分.类模型的信号源，并运用去噪技术与起止点检测技术对 SEMG 进行预处理；然后，选取通过主成分分析（principal components analysis，PCA）降维处理后的最优特征组合与最优滑动窗口；接着，采用AFSA搜寻ELM的最优输入权值和隐含阈值，以提高其分类准确率；最后，对AFSA优化的ELM（AFSA-ELM）分类模型、反向传播（back propagation，BP）神经网络分类模型和未优化的ELM分类模型进行比较，以验证所提出方法的精准性。实验结果表明，结合最优特.征组合与最优滑动窗口设计的AFSA-ELM分类模型对多种手势的平均识别准确率高达97.4%，比BP神经网络分类模型和未优化的ELM分类模型分别高3.5%和1.6%，验证了所提出方法的识别精准性。研究结果可为手势识别提供新思路，进而为人体上肢动作的深度分析和上肢康复机器人手势识别算法的优化提供理论基础和参考。