肌音信号模式识别在嵌入式实时手语翻译系统中的应用

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.