摘 要：为正确识别使用者意图要做出的手势，文章设计并制作一种前臂多通道表面肌电信号采集臂环，再使用信号分割算法和神经网络模型建立深度学习神经网络，再用树莓派使用训练好的模型处理肌肉电信号，使得系统的运算速度进一步提升。最终实现通过识别用户肌电数据，判断用户手势动作，控制各种外部可操作的系统，例如机械手、虚拟手等，具有一定的社会价值与经济价值。
关键词：表面肌电；神经网络；肢体康复
中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2020）05-0155-03
Gesture Recognition and External Operating System Based on Deep Learning
GAN Han
（School of Software & Internet of Engineering，Jiangxi University of Finance and Economics，Nanchang 330013，China）
Abstract：In order to correctly recognize the gesture that the user wants to make，this paper designs and makes a forearm multichannel surface EMG signal collection arm ring，then uses thesignal segmentation algorithm and neural network model to establish the deep learning neural network，and uses the trained model to process the EMG signal by raspberry school，which makes the system’s operation speed further improved. Finally，it can recognize the EMG data of users，judge the gestures of users，and control all kinds of external operable systems，such as manipulator, virtual hand，etc.，which have certain social and economic value.
Keywords：surface electromyography；neural network；limb rehabilitation
参考文献：
[1] 何友，王国宏，陆大金，等 . 多传感器信息融合及应用 [M]. 北京：电子工业出版社，2001.
[2] 李建华，王健 . 表面肌电图诊断技术临床应用 [M]. 杭州：浙江大学出版社，2015.
[3] 孙志军，薛磊，许阳明，等 . 深度学习研究综述 [J]. 计算机应用研究，2012，29（8）：2806-2810.
[4] 杨彬 . 基于多通道肌电信号的手指康复动作研究 [D]. 杭 州：浙江工业大学，2017.
作者简介：甘晗（1999-），男，汉族，江西萍乡人，本科在读，主要研究方向：深度学习及嵌入式控制。