融合注意力机制的多视图卷积手势识别研究

基于表面肌电信号（sEMG）的手势识别在人机交互中发挥着重要作用,然而,由于sEMG具有非线性和随机性,因此提升基于稀疏多通道sEMG的手势识别准确率难度较高。提出一种融合注意力机制的多视图卷积手势识别模型。首先使用200 ms滑动窗口提取经典的sEMG特征集构建多视图输入,其次利用高效通道注意力对多视图特征在通道维度进行加权,以强化有效特征同时弱化无效特征,最后通过多视图卷积从带有注意力权重的肌电特征中提取高层特征,利用高层特征融合模块对其进行融合以降低数据维度并提高模型鲁棒性。在NinaPro DB1、NinaPro DB5、NinaPro DB7 3个肌电公共数据集上进行训练和评估,结果表明,该模型在200 ms滑动采样窗口上的平均识别准确率分别为87.98%、94.97%和89.67%,整段手势动作的平均投票准确率分别为97.38%、98.41%和97.09%,平均信息传输率为1 308.71 bit/min。与传统机器学习方法和近年来前沿的深度学习手势识别方法相比,所提模型在单模态肌电和多模态手势识别上均具有更高的识别准确率,验证了其有效性和通用性。     

基于双流卷积神经网络的肌电信号手势识别方法

面向高性能的肌电控制系统,提出一种基于双流卷积神经网络的肌电信号手势识别方法,其从原始表面肌电信号中提取离散小波变换系数,与原始表面肌电信号分别作为双流卷积神经网络两个分支的输入进行高层特征学习,最终通过一个高层特征融合模块对两个分支学习得到的高层特征进行融合.所提方法在3个包含50～52类手势动作表面肌电信号的大规模...     

基于SOC理论的适老化界面导航可用性评估研究

目的 探究不同任务场景下老年用户对操作界面导航的适用性。方法 结合SOC理论与任务评估模型,建立了老年用户界面导航SOC-TM模型可用性评估方法。通过对30位受试者进行面对面的可用性测试,测量了老年用户在不同任务场景下,任务完成度指标、任务绩效指标,以及操作界面导航的主观满意度测评指标。结果 老年用户的任务正确率相比青年用户明显较低;在完成任务的时间上,老年用户与青年用户并无显著区别;老年用户使用列表与抽屉导航模式时,任务完成时间波动大,操作稳定性较低;老年用户的主观满意度评价指标低于青年用户,并且老年用户的SOC自我评价量表得分与任务正确率呈正相关关系,与任务完成时间呈负相关关系。结论 在适老化界面导航的可用性评估与设计改进中,应充分评估老年用户的操作能力,根据操作能力的不同,匹配不同类型的界面导航模式,用多维度指标对界面导航进行评估与设计改进,并考虑不同应用程序之间的可用性互通原则。