袁文涛，卫文韬，高德民*

（1.南京林业大学信息科学技术学院，江苏 南京 210037；2.南京理工大学设计艺术与传媒学院，江苏 南京 210094）

0 引言

表面肌电信号（sEMG）是通过放置在皮肤上的电极来记录骨骼肌收缩过程中的生物信号，该类生物信号提供了人们丰富的活动信息。目前，表面肌电信号已经发展成为一种测量、分析和诊断工具，广泛应用于康复医学［1］、人机交互［2］、假肢控制［3］等领域。由于手是人体中最多样化和最灵巧的部分，可以采用不同的运动策略来与环境交互，因此基于表面肌电信号的手势识别成为肌肉计算接口（MCI）的技术核心［4］。与基于视觉图像进行手势识别的方法相比，基于表面肌电信号的手势识别方法可以忽略光照、背景、遮挡等复杂因素的影响［5］，记录真实的动作电位，从而更好地应用于现实场景中。

根据所用传感器密度的不同，sEMG 数据采集可分为稀疏多通道sEMG 和高密度sEMG（HDsEMG）。HD-sEMG 一般使用二维电极阵来捕获肌肉活动中运动电位的空间和时间分布［6］，这不仅增加了数据收集的数量和成本，还提高了手势识别系统的复杂性。相比之下，稀疏多通道sEMG 使用更少的电极来记录运动信息，并且对sEMG 的域变化非常敏感，在可穿戴设备中得到了广泛应用。

文献［7］提出一种基于卷积神经网络（CNN）的手势识别模型，在HD-sEMG 上得到的手势识别准确率为99.30%。文献［8］所提模型在CapgMyo DB-a高密度sEMG 数据集上达到了99.20%的识别准确率。目前，基于稀疏多通道sEMG 的识别模型准确率与上述模型相比仍有较大差距，因此，如何针对稀疏多通道sEMG 来提升手势识别准确率是一项具有挑战性的工作。……