手势识别中噪声鲁棒性策略再探：基于表面肌电信号分析的短期增强

原文约200字，阅读约需1分钟。发表于：。

基于表面肌电图的手势识别，通过短期增强模块 (STEM) 和可学习的降噪机制，实现了对噪音的减少和对各种手势识别任务的泛化。

该研究提出了一种基于All-ConvNet+TL模型和轻量级卷积层的手势识别方法，能够提高跨会话和跨被试的手势识别性能。实验结果表明，该方法在四个数据集上的表现均优于现有复杂方法，并在目标域上表现相当甚至更好。这表明现有的最先进模型可能对sEMG基于跨会话和跨被试手势识别任务存在过度参数化现象。