首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
王新平,夏春明,章含阳.肌音信号模式识别在嵌入式实时手语翻译系统中的应用[J].数据采集与处理,2021,36(2):304-313
肌音信号模式识别在嵌入式实时手语翻译系统中的应用
Application of Mechanomyogram’s Pattern Recognition in Real-Time Sign Language Translation Embedded System
投稿时间:2020-08-05  修订日期:2021-01-17
DOI:10.16337/j.1004-9037.2021.02.012
中文关键词:  肌音信号  模式识别  手语实时识别  反向传播神经网络  嵌入式系统
英文关键词:mechanomyogram (MMG)  pattern recognition  real-time sign language recognition  back propagation neural network (BPNN)  embedded systems
基金项目:
作者单位邮编
王新平 华东理工大学机械与动力工程学院上海 200237 200237
夏春明 华东理工大学机械与动力工程学院上海 200237 200237
章含阳 华东理工大学机械与动力工程学院上海 200237 200237
摘要点击次数: 47
全文下载次数: 92
中文摘要:
      基于肌音信号(Mechanomyogram, MMG)的模式识别是指采集MMG信号,应用机器学习算法进行动作识别的过程。为了实现手语实时分类,本文采用基于STM32芯片的轻量级嵌入式设备,控制双轴加速度传感器采集了前臂3块肌肉的6通道MMG,应用反向传播神经网络(Back propagation neural network, BPNN)算法建立分类模型,并将模型参数导入嵌入式系统中,实现算法的移植。实验结果表明该嵌入式系统可实现30种手语的实时识别,模型自测识别率达99.6%,实时识别中可达97.5%,每个动作分类所需时间少于0.52 ms,满足实时性要求,具有较高的实际应用价值。本文的研究结果可应用于人体康复工程,哑语翻译器,义肢控制等领域。
英文摘要:
      Mechanomyogram (MMG)-based pattern recognition refers to the process of collecting MMG bands and applying machine learning algorithms to perform motion recognition. To realize the real-time classification of sign language motions, six-channel MMG signals of three muscles on forearm are collected by dual-axis acceleration sensors which are controlled by lightweight embedded device with STM32 chip. The back propagation neural network (BPNN) algorithm is used to establish recognition classification models, where the parameters are extracted and put into the embedded system to transfer BPNN algorithm. The embedded device can accomplish real-time recognition of 30 kinds of sign language motions, with the self-test accuracy up to 99.6% and the accuracy of real-time recognition up to 97.5%. Moreover, the classification time for each motion is less than 0.52 ms, satisfying the real-time recognition condition. The results can be applied to the fields of rehabilitation engineering, sign language translator, and prosthetic control, etc.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2070004位访问者 本站今日一共被访问307

技术支持:北京勤云科技发展有限公司