研究人员开发了一种新颖的、与电极阵列无关的编码器，旨在改进表面肌电图（sEMG）数据的跨用户手势识别。该编码器为每个电极使用共享权重，并通过物理坐标定位它们，使其能够处理任何通道数量而无需特定于电极阵列的参数。在测试中，该编码器在两个数据集上均优于 Hudgins 和线性判别分类器等传统分类器，证明了其在校准轻量级、跨用户场景中的有效性。研究还发现，训练池大小具有稳定作用，而用户基线的信号保真度是性能比较的关键因素。 AI
影响 这项研究可能带来更直观、更具适应性的假肢控制系统。
排序理由 该集群包含一篇详细介绍新技术的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
