Resumen

En el campo de la interacción humano-computadora sin contacto, es de crucial importancia distinguir con precisión diferentes gestos de electromiografía de superficie (sEMG) para el control inteligente de prótesis. El reconocimiento de gestos basado en señales sEMG de baja frecuencia de muestreo puede ampliar la aplicación de sensores EMG de bajo costo y portátiles (por ejemplo, la pulsera MYO) en el control de movimiento. En este artículo, se propone una combinación de reconocimiento de gestos sEMG que consta de extracción de características, algoritmo genético (GA) y modelo de máquina de vectores de soporte (SVM). En particular, se propone un nuevo algoritmo de optimización de enjambre de partículas con mutación adaptativa (AMPSO) para optimizar los parámetros de SVM; además, también se define un nuevo método de cálculo de la probabilidad de mutación. El modelo AMPSO-SVM basado en procesamiento combinado se aplica con éxito al conjunto de datos de la pulsera MYO, y se realizan cuatro

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Reconocimiento de gestos; SEMG; Modelo SVM; Pulsera MYO; Algoritmo AMPSO; Baja frecuencia.
• Keywords:Gesture recognition; SEMG; SVM model; MYO bracelet; AMPSO algorithm; Low-frequency.