低成本肌电假手：用 EMG 与机器学习实现 5 种手势分类

一款面向发展中国家截肢者需求的低成本肌电假手被开发出来，通过三块肌肉的 EMG 信号分类五种手势并控制假手动作。该系统采用浅层神经网络，时域与频域分类准确率分别为 94.8% 和 93.2%，因时域计算与响应更快而被采用。假手由两个伺服电机驱动、具备两个自由度，另加入腕部旋转机构（由两种手势控制）增至三个自由度，并配备力传感器与振动电机的触觉反馈系统。