项目成员：孟琳丰、时铭泽、苏航宇

指导教师：闫浩楠

作品简介：本作品针对传统肌电检测设备体积大、便携性差、实时性不足等问题，设计了一款智能可穿戴肌电监护仪。以树莓派4B为核心处理单元，构建“信号采集 - 预处理 - 特征提取 - 模式识别 - 可视化”完整链路。通过硬件模块化设计实现轻量化可穿戴，软件上集成支持向量机、随机森林、MLP深度学习等多种算法，对肌电信号进行时域、频域、时频域多维度特征提取与模式识别，最终通过配套界面实现数据可视化。测试显示，系统识别正确率达90%以上，可精准监测肌肉活动状态，满足康复训练、肌肉功能评估等医疗场景的便携性与实时性需求。

项目创新点：

（1）硬件轻量化与医工适配设计：采用树莓派4B + 专用肌电模块的模块化架构，体积小巧且功耗低，适配可穿戴场景；电极配置与信号调理电路针对医疗级需求优化，支持多通道肌电信号采集，有效抑制工频干扰，确保μV级微弱信号的精准捕捉，解决传统设备难以满足日常康复监测的痛点。

（2）算法融合与嵌入式优化：融合传统机器学习与深度学习算法，通过MDS降维技术简化高维特征，在嵌入式平台实现高效运算；针对康复场景优化手势识别逻辑，结合临床需求设计特征提取与模型评估体系，平衡识别精度与实时性，为肢体功能障碍患者的康复辅助提供技术支撑。

项目视频二维码：