研究提出肌电图信号的虚拟维度增加用于假肢手势识别

肌电图(EMG)信号是肌肉收缩过程中产生的生物电流。它可以作为输入信号传输到智能仿生假手以控制手部运动。通过增加信号采集通道的数量，可以捕获更丰富的动作意图信息，从而提高动作意图识别的成功率。然而，获取渠道并不是越多越好。

随着通道数的增加，硬件系统变得更加复杂，手势识别准确率的提升效果逐渐下降，导致控制效果达到瓶颈。

为了解决这些问题，北京理工大学的研究团队提出了一种通过虚拟增加肌电信号通道数量来提高手势识别精度的方法。

该方法从肌电图信号中提取幅度特征来表示肌肉随时间的收缩强度。然后计算通道之间强度差的绝对值。这些差异值与原始数据合并，形成具有更多列的新样本，模拟数据维度的实际增加。这利用了运动过程中肌肉之间隐含的协调信息。

即使物理采集通道的数量有限，这种方法也能提高识别精度，因为它不只依赖于传感器直接采集的数据量。

为了验证他们的方法，作者比较了添加虚拟维度之前和之后手势意图识别的准确性。与未处理的肌电信号相比，添加虚拟维度后使用肌电信号进行手势识别的准确性得到了提高。另外，肌电信号采集通道数越多，获得的肌电信号越丰富，手势识别的成功率就越高。

此外，基于过滤特征选择方法，研究团队引入了从特征集的分散性和相关性导出的可分离性度量(特征向量SFV的可分离性)。SFV值可以在分类之前预测分类效果，并根据特征集可分离性的变化来验证虚拟增维策略的有效性。