计算机工程

作者：易鹏, 杨晔, 严仕嘉

单位：上海师范大学信息与机电工程学院, 上海 201418

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

基金：国家自然科学基金(51605298)

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, 提出基于多并行卷积神经网络(MPCNN)的迁移学习策略, 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, 对比以往的卷积神经网络(CNN)迁移框架以更有效地处理不同个体间的生理差异, 从而提高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, 增强系统的实用性。通过多组实验, 包括倍数交叉验证、消融实验和健壮性测试来证实所提策略在多个方面的有效性。实验结果表明, 与传统CNN模型相比, 提出的MPCNN迁移学习策略显著提升手势识别准确率, 在Ninapro DB7数据集上的识别率达到了94.95%, 对比CNN迁移学习框架提高了4.38百分点, 同时训练时间减少了超过50%, 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。

来源：2025年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第1期