基于PSO-LSTM模型的上肢动作识别方法

• Published in: 华东理工大学学报（自然科学版） Vol. 50; no. 5; pp. 760 - 769
• Main Authors: 常钰坤, 曹港生, 马振九, 康高峰, 夏春明
• Format: Journal Article
• Language: Chinese
• Published: 上海工程技术大学机械与汽车工程学院,上海 201620 01.10.2024; 华东理工大学机械与动力工程学院,上海 200237%华东理工大学机械与动力工程学院,上海 200237
• Subjects: 特征提取; 长短期记忆; 动作识别; feature extraction; mechanomyography(MMG); particle swarm optimization(PSO); action recognition; 粒子群算法; long short-term memory(LSTM); 肌音信号
• ISSN: 1006-3080
• DOI: 10.14135/j.cnki.1006-3080.20231009001

TN911.72; 针对上肢肌音信号(Mechanomyography,MMG)动作识别准确率不高的问题,提出一种基于粒子群算法(PSO)与长短期记忆网络相结合的混合模型(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)的动作识别方法.采用 5通道传感器对受试者进行上肢肌音信号采集,使用巴特沃斯滤波(Butterworth Filter)等方法对肌音信号进行预处理,并进行特征提取;构建基于PSO-LSTM的上肢肌音信号识别模型并进行模型训练和测试;最后从不同测度对比了长短期记忆(LSTM)模型、麻雀搜索算法(Sparrow Search Algorithm,SSA)优化的LSTM模型(Sparrow Search Algorithm-Long Short Term Memory,SSA-LSTM)以及PSO-LSTM模型的实验结果.结果表明,PSO-LSTM模型的准确度均高于LSTM、SSA-LSTM模型,达到96.9%左右,在迭代损失、迭代速度等方面也优于LSTM、SSA-LSTM模型,从而证明了该模型用于上肢肌音信号识别的优越性.