摘要： 针对基于表面肌电（ｓｕｒｆａｃｅｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ，ｓＥＭＧ）信号手指关节角度连续运动预测时序信息提取不足、预测准确率较低的问题，提出了一种基于特征图组合（ｆｅａｔｕｒｅｍａｐｃｏｍｂｉｎａｔｉｏｎｓ，ＦＭＣ）的双流卷积神经网络（ｄｕａｌｓｔｒｅａｍｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ＤＣＮＮ）预测方法。提取 ｓＥＭＧ信号的特征信息，采用滑动窗方式将特征信息进行特征图组合，表达特征的时间连贯性以提取 ｓＥＭＧ信号的时序信息，通过 ＤＣＮＮ网络在时间、空间维度对组合后的特征图提取深层特征，提高手指关节角度连续运动预测效果。在 ＮｉｎａＰｒｏＤＢ８数据集上进行实验，结果表明：在 ３类不同自由度（１８个、５个、３个）的相关方法比较中，健康受试者的 Ｒ２值分别提高了 ７．９％、１６．８％和 １７．８％；截肢受试者的 Ｒ２值分别提高了 ９．６％、１４．３％和 １０．３％。

关键词: ｓＥＭＧ；连续运动预测；特征图组合；双流卷积神经网络

中图分类号: 

• ＴＰ３９１