曹尔凡， 崔建伟

(东南大学 仪器科学与工程学院，江苏 南京 210096)

手臂运动识别技术广泛地应用于众多领域，包括残疾人康复、运动员的动作分析、VR应用等[1-3]。比如在助残领域，对于失去手部的残疾人，通过采集并分析他们手臂运动的相关信息，判断手臂与日常活动相对应的运动状态，将识别出的手臂动作标签作为信号，去触发与手臂动作相匹配的机械假手张合操作，可以帮助完成残疾人的日常抓握行为。人的手臂动作识别常见的方法包括计算机视觉处理[4]、肌电信号处理[5]和可穿戴式MEMS传感器等。计算机视觉识别对硬件要求高，摄像设备不便于佩戴，在本文应用的助残场景里具有一定局限性。肌电信号识别硬件成本较低、携带方便，然而受肌肉状态影响大，识别效果不稳定。

MEMS传感器具有功耗低、成本低、便于携带等优点，是目前研究的热点[6]。张俊杰等[7]通过采集手臂关键节点的加速度和角速度值，对数据进行时域特征计算，采用BP神经网络和支持向量机两种方法进行动作识别，总识别率可达90%。这种方法硬件设备用量少，便于穿戴，有一定的识别精度，但是传感器的加速度、角速度信号存在振荡等不稳定因素，导致从中提取的时域特征也不稳定，从而影响识别效果。基于多传感器融合的方法能有效地提高识别的精度和可靠性，如Wang等[8]在老年人手腕部位佩戴加速度传感器并结合环境传感器对17种日常人体活动进行识别，总识别率达到96.82%。……