资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
◇ 卓越：梯队期刊
文章类型：
机构：
[1]河北大学河北省数字医疗工程重点实验室
[2]石药集团中诺药业有限公司
[3]河北大学电子信息工程学院
[4]河北大学附属医院
河北大学附属医院
出处：
关键词：
表面肌电信号
深度森林
人工神经网络
通道注意力机制
手指关节角度估计
摘要：
为了实现智能假手能够自然地模拟人手的连续运动,提出了基于s EMG的DF-ANN模型来估计手指关节角度的方法。该方法引入了通道注意力机制中的SE-Net模块增强了s EMG的相关特征表达,减少s EMG重要特征的损失,有效提高了回归模型的性能,选取10名健康的受试者进行10种不同手势的实验,选择R-Squared（R2）等回归衡量指标来评估该方法关节角度估计的精度,实验结果显示R2为86.5%。与未引入SE-Net的DF-ANN模型,单独的深度森林和人工神经网络相比,R2大约提高了4%。这表明该方法能够有效减小s EMG的关节角度连续解码的误差,能够有助于实现智能假手的柔顺控制。
基金：
国家自然科学基金(62276087)、河北省自然科学基金(2021201002)、河北省教育厅科技计划项目(ZD2020146)资助
第一作者：
第一作者机构：
[1]河北大学河北省数字医疗工程重点实验室
[2]石药集团中诺药业有限公司
通讯作者：
通讯机构：
[1]河北大学河北省数字医疗工程重点实验室
[3]河北大学电子信息工程学院
推荐引用方式(GB/T 7714)：
张娜,张明进,王晓冬,等.基于表面肌电信号的手指关节角度估计方法[J].电子测量与仪器学报.2023,37(08):60-70.
