表面EMG手势解码中跨记录会话的识别与无标签自适应

arXiv cs.LG 论文
surface-emg gesture-recognition domain-adaptation test-time-adaptation myoelectric

摘要

本文介绍了一种用于表面EMG手势解码的与电极布局无关的编码器，它无需重新校准即可在多次记录会话中保持识别准确率，并表明在测试时进行特征统计对齐可改善在NinaPro DB6上的自适应效果。

arXiv:2607.27568v1 公告类型：新 摘要：在一次记录会话中获得的识别准确率，在用户重新佩戴电极（此前已取下）时无法保持。电极可能发生了轻微移动，皮肤可能变得更干或更湿，或者肘部的位置可能不同；这些因素都会导致日常间的变异性，因此成为在日常实践中实现成功的基于模式识别的肌电控制系统的重大障碍。然而，在每次摘戴电极时都花20分钟对用户的手进行重新校准，显然是不现实的期望。这里训练了一个为跨用户、跨电极布局迁移而构建的与电极布局无关的编码器，使用某一特定记录会话期间收集的数据进行训练，然后在不做任何调整的情况下，将其应用于另一个不同记录会话稍后收集的数据，测试对象为NinaPro DB6的十名健全受试者。将该方法的性能与每用户LDA分类流程以及两种仅依赖同一记录会话所收集源数据的已发表方法进行了比较。编码器在跨记录会话时不做任何更改，保留了0.688的macro-F1，而每用户流程为0.540；并且在已发表基线使用的逐窗口指标上，高于两个已发表的仅源数据结果，二者构成一个两点的区间，该区间对编码器起到定位作用，而非对其进行排名。在五种无标签测试时自适应方法中，只有特征统计对齐能改善每个受试者的效果；批归一化重估计是领域适应文献中的标准方法，但它会使该架构完全崩溃。将编码器的特征统计对齐到新会话，大约能恢复单次有标签校准重复所能恢复的效果。
查看原文
查看缓存全文

缓存时间: 2026/07/31 10:03 

来源：https://arxiv.org/html/2607.27568

###### 摘要

在一次记录会话中获得的识别准确率，在用户先前取下电极后再次戴上时并不能保持。电极可能发生了轻微移位，皮肤可能比之前更干或更湿，或者肘部的位置可能不同；这些因素都会导致日常间的变异性，因此成为在日常实践中实现成功的基于模式识别的肌电控制系统的主要障碍[palermo2017repeatability](https://arxiv.org/html/2607.27568#bib.bib1)、[du2017surface](https://arxiv.org/html/2607.27568#bib.bib2)、[zhai2017self](https://arxiv.org/html/2607.27568#bib.bib3)、[jiang2017feasibility](https://arxiv.org/html/2607.27568#bib.bib4)。然而，每次摘戴事件都让用户重新校准20分钟，显然是一种不切实际的期望。

本文基于先前工作中开发的电极配置无关编码器[odeyemi_encoder](https://arxiv.org/html/2607.27568#bib.bib5)。该编码器在不需要个体化校准的情况下，成功实现了用户间以及不同电极配置间的迁移。然而，该工作假设记录会话保持不变。具体而言，训练和测试发生在同一个记录会话内。因此，本文的主要目标是衡量：当记录会话与训练会话不同时，这种识别能力有多少仍然有效。换言之，在电极被取下并重新戴上之后，某一天建立的识别能力在后续几天中还有多少仍然有效？我们如何在用户不提供额外标签信息的情况下，处理那些不再有效的识别部分？

因此，本文描述了两组实验。第一组实验关注编码器本身。使用第[3.1](https://arxiv.org/html/2607.27568#S3.SS1)节中描述的同一个电极配置无关模型，在某个特定记录会话中采集的数据上进行训练，然后不做任何调整地应用于稍后在不同记录会话中采集的数据。这种方法的性能与逐用户LDA分类流程进行了比较。此外，编码器的性能还与两种已发表的、仅依赖来自同一记录会话的源数据的方法进行了比较。第二组实验关注针对没有标签数据的新记录会话的自适应。尽管文献中最近引入了许多自适应方法，用于将预训练模型适应到新任务（下文将讨论），但这些方法在此任务上表现并不一致。其中唯一能够改善所有受试者性能的无标签自适应方法，是将编码器的合并特征统计量对齐到新会话的统计量。

###### 关键词：

表面肌电，手势识别，会话间变异性，测试时自适应，域自适应，肌电假肢控制

††期刊：Computers in Biology and Medicine\\affiliation

\[bme\]organization=Division of Biomedical Engineering, University of Saskatchewan, addressline=57 Campus Drive, city=Saskatoon, state=SK, postcode=S7N 5A9, country=Canada

## 1 引言

在一次记录会话中获得的识别准确率，在用户先前取下电极后再次戴上时并不能保持。记录之间发生变化的原因有多种。例如，电极可能由于贴合方式的变化而轻微移位；用户的皮肤可能比之前更干或更湿；或者用户肘部的位置可能与之前不同。此外，能够产生可被分类器区分信号的肌肉激活模式，可能落在分类器训练时所识别的肌肉空间区域之外。这些因素都会导致日常间的变异性，因此成为在日常实践中实现成功的基于模式识别的肌电控制系统的主要障碍[palermo2017repeatability](https://arxiv.org/html/2607.27568#bib.bib1)、[du2017surface](https://arxiv.org/html/2607.27568#bib.bib2)、[zhai2017self](https://arxiv.org/html/2607.27568#bib.bib3)、[

相似文章