项目成员：姚斯然、董艳荣、李伊梦、刘夕萌

指导教师：宁学栋

作品简介：随着人口老龄化及康复医学发展，肌电信号在假肢控制、人机交互等领域应用潜力巨大，但传统设备存在便携性差、信号质量不稳定、识别算法适应性不足等问题。本研究设计并实现了一套智能可穿戴肌电监护仪系统，通过带通滤波、平滑滤波、归一化进行预处 理，提取时域、频域、时频域特征，结合PCA和MDS 降维，采用SVM、随机森林、CNN等分类器，基于树莓派搭建系统。测试显示，随机森林准确率达 94.79%，系统泛化能力良好，为肌电控制技术实用化提供了可靠方案。

图1 人机交互界面

图2 石头手势特征处理

图3  PCA降维

图4  显示界面及动作识别结果

项目创新点：

（1）提取多维度判别性特征

突破单一维度特征的局限性，融合时域、频域与时频域特征，时域上提取均方根（RMS）以反映肌肉收缩强度；频域上计算最大功率谱密度以捕捉能量集中频率；时频域上通过小波能量节点与短时傅里叶变换（STFT）刻画信号的动态时频变化，实现手势区分度提升25%，为分类器提供全面的判别依据。

（2）优化特征降维与分类算法

针对高维特征导致的计算冗余问题，采用主成分分析（PCA）或多维尺度分析（MDS）进行降维，在保证特征有效性的同时将计算效率提升60%；对比支持向量机（SVM）、随机森林、卷积神经网络（CNN）的分类性能，筛选出最优算法，使训练集识别准确率达到94%以上。

（3）实现轻量化软硬件集成

以树莓派4B为核心构建硬件平台，集成肌电传感器、数据传输模块与电源管理单元，满足可穿戴设备的低功耗（≤5W）、小体积需求；开发模块化软件系统，包括数据输入、预处理、特征提取、模式识别与交互界面模块，支持实时手势识别与可视化展示。

项目视频：