【技术实现步骤摘要】
本申请涉及手势识别。具体地，本申请涉及一种基于元学习的表面肌电手势识别方法、装置、计算机设备和存储介质。
技术介绍
1、肌电信号伴随着肌肉收缩产生，是由大脑通过神经肌肉系统控制身体部位发生运动时，在肌肉处产生的电信号。表面肌电信号(semg)则是浅层肌肉肌电信号与神经干上电活动在皮肤表面形成的综合效应。由于蕴含着与人体运动相关的丰富信息，且具有不对人体造成伤害、无痛、操作简便等优势，表面肌电信号感知技术被广泛应用于医疗健康、生活娱乐、机器控制、轮椅智控、行人定位等多个领域。其中，手势识别是表面肌电信号的代表性应用领域。
2、传统的基于肌电信号的手势识别方法，为了确保能够准确地识别和理解新用户的手势动作，需要对每位新用户进行大量的个性化训练，来解决新用户适用的问题。然而，这种个性化训练方式往往只能适用于训练过的用户，对于未经训练的新用户或者不同环境下的用户，其泛化能力较差，导致手势识别效果不佳。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于元学习的表面肌电手势识...
【技术保护点】
1.一种基于元学习的表面肌电手势识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述相似度为余弦距离；
3.根据权利要求1或2所述的方法，其特征在于，所述数据库的构建过程包括：
4.根据权利要求1或2所述的方法，其特征在于，所述手势特征提取模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述手势特征提取模型的损失函数为：
6.根据权利要求4所述的方法，其特征在于，所述初始肌电信号样本为多通道肌电信号；
7.根据权利要求6所述的方法，其特征在于，所述对...
【技术特征摘要】
1.一种基于元学习的表面肌电手势识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述相似度为余弦距离；
3.根据权利要求1或2所述的方法，其特征在于，所述数据库的构建过程包括：
4.根据权利要求1或2所述的方法，其特征在于，所述手势特征提取模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述手势特征提取模型的损失函数为：
6.根据权利要求4所述的方法，其特征在于，所述初始肌电信号样本为多通道肌电信号；
【专利技术属性】
技术研发人员：王智林，秦旭，路璐，陈燕红，张玉冰，
申请(专利权)人：北京雪梦未来科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。