关键词:
表面肌电信号
手指力
连续估计
深度学习
摘要:
为了实现基于表面肌电信号的连续手指力估计,本文提出了一种融合ShuffleNetV2基本单元与Vision Transformer结构的新模型,命名为ShuffleVT。为验证该模型的性能,我们采用公开数据集NinaPro,其包含40名健康受试者的sEMG数据和6个自由度的手指力数据。性能评估指标为Pearson相关系数、均方根误差和决定系数。结果显示,ShuffleVT模型的CC、RMSE和R2平均值分别为0.92±0.05、1.27±0.66和0.83±0.10,显著优于ShuffleNetV2、ViT、Transformer和LSTM等四种深度学习模型。该结果展示了ShuffleVT模型在基于表面肌电的连续运动意图估计中的应用潜力。