23、Soft - DTW神经网络在表面肌电信号回归中的模拟与实验评估

Soft - DTW神经网络在表面肌电信号回归中的模拟与实验评估

1. 研究背景与目标

本次研究聚焦于一种软动态时间规整（soft - DTW）神经网络，旨在将表面肌电（sEMG）信号进行最小监督回归，转化为连续的抓握控制命令。该网络的优势在于训练数据集无需逐点标记，极大简化了训练过程，且不影响性能。

2. 模拟研究

2.1 sEMG信号模型

为研究网络在模拟肌电信号上的行为，采用了特定的生成模型。手部开合运动被视为单自由度（N = 1），由函数D(t)控制，它代表与该运动相关的神经指令。同时，假设4块前臂肌肉负责手部开合运动（M = 4），各肌肉的激活函数X(t)可通过以下公式计算：
[X(t) = S \times D(t)]
其中，(S \in R^{M\times N})是协同矩阵，在本次研究中，
[S =
\begin{bmatrix}
0.8 & -0.8 & 0.2 & -0.2
\end{bmatrix}^T
]
通用电极记录的sEMG信号可建模为：
[e(t) = \sum_{m = 1}^{M}\sum_{j = 1}^{N_m}v_{mj}(t) * f_{mj}[x_m(t)]]
其中，(N_m = 50)是第m块肌肉中的运动单元数量，(v_{mj})和(f_{mj})分别模拟体积导体效应和运动单元的放电序列。

为实现体积导体效应，参考了相关文献中的模型；对于运动单元的放电序列，结合了指数阈值模型和积分脉冲频率调制（IPFM）策略。此外，为考虑相邻表面电极间的串扰效应，在模拟中加入了缩放