本发明涉及智能设备领域，特别涉及一种用于手势识别的可穿戴人机界面装置。
背景技术：
1、随着科技的进步，可穿戴人机界面（hmi）系统在辅助和康复设备中的应用越来越广泛。传统的可穿戴人机界面（hmi）系统多依赖单模态传感器，如肌电图（表面肌电图semg电极）或力肌电图（fmg），用于捕捉用户的意图并控制假肢或其他设备。然而，这些单模态系统在手势识别准确性和鲁棒性方面存在局限，尤其是在用户进行复杂或多样化的手势时表现出较低的准确率，且对环境噪声和佩戴条件敏感。受限于传感器的类型和安装位置，现有的可穿戴人机界面（hmi）系统在信号质量和佩戴舒适度之间难以达到平衡。
2、为了实现更高的识别精度和更佳的用户体验，本发明提出了一种用于手势识别的可穿戴人机界面装置。
技术实现思路
1、本发明为了弥补现有技术的缺陷，提供了一种简单高效的用于手势识别的可穿戴人机界面装置。
2、本发明是通过如下技术方案实现的：
3、一种用于手势识别的可穿戴人机界面装置，其特征在于：结合表面肌电图semg电极和压力感测力肌电图pfmg传感器，形成一个多模态的感测系统，同时感测用户伴随手势产生的生物电信号和压力信号，并将采集到的生物电信号和压力信号传输给可穿戴人机界面（hmi）系统；
4、其中，所述表面肌电图semg电极用于捕捉肌肉活动时产生的生物电变化信号，反映肌肉收缩时的神经信号，用于辅助识别用户的手势或动作；
5、所述压力感测力肌电图pfmg传感器通过检测肌肉表面压力的变化，捕捉肌肉力的物理信号，与表面肌电图semg电极采集的生物电信号互补，压力感测力肌电图pfmg传感器对肌肉动作本身的力学变化进行监测；
6、所述可穿戴人机界面（hmi）系统负责从采集到的生物电信号和压力信号中自定义提取特征向量，并采用机器学习分类器对特征向量进行训练和测试，对用户手势进行识别，得到手势动作标签。
7、所述可穿戴人机界面（hmi）系统识别用户手势，包括以下步骤：
8、步骤s1、数据预处理：
9、对采集到的生物电信号和压力信号进行预处理，以去除噪声和伪影，以提高信号质量；
10、步骤s2、特征提取：
11、从预处理后的生物电信号和压力信号中提取特征，包括但不限于信号的时域特征（如信号的平均值、方差等）、频域特征（如功率谱密度等）以及时频域特征（如小波变换系数等）；
12、针对压力感测力肌电图pfmg传感器采集的压力信号，提取与压力相关的特征，包括但不限于最大压力值与压力变化率；
13、步骤s3、特征融合：
14、将提取的生物电信号特征和压力信号特征进行融合，形成统一的特征向量；
15、所述步骤s3中，采用串联操作、主成分分析（pca）融合策略或线性判别分析（lda）用融合策略，将提取的生物电信号特征和压力信号特征进行融合。
16、步骤s4、模型训练与分类：
17、使用融合后的特征向量训练机器学习分类器；在训练过程中，使用已知的手势动作标签作为监督信息，通过优化算法调整模型参数，使机器学习分类器能够准确地将特征向量映射到相应的手势动作上；
18、步骤s5、手势识别：
19、在实际应用中，将实时采集的生物电信号特征和压力信号输入到训练好的机器学习分类器中，得到预测的手势动作标签；
20、根据预测结果，进一步触发相应的控制命令或为用户提供反馈；
21、步骤s6、性能评估与优化：
22、为了评估算法的性能，使用交叉验证和/或留一法在训练数据集上进行测试；
23、根据测试结果，进一步调整模型参数、优化特征提取和融合策略等，以提高手势识别的准确性和鲁棒性。
24、所述压力感测力肌电图pfmg传感器连接到一个压敏柔性气室来产生压力感测力肌电图pfmg信号，所述压敏柔性气室使用柔性可拉伸的3d打印材料制成，以适应用户的前臂形状，从而提供更高的佩戴舒适度；
25、所述表面肌电图semg电极则安装在柔性压敏柔性气室上方，在同一位置检测肌肉电活动的同时，测量由肌肉收缩引起的压力变化。
26、在每个压敏柔性气室的表面分别设置三个表面肌电图semg电极，在每个压敏柔性气室的侧面分别插入一个压力感测力肌电图pfmg传感器。
27、该用于手势识别的可穿戴人机界面装置，设有8个压敏柔性气室，由微控制器进行模拟读数。
28、同时采用有限元分析fea对压敏柔性气室进行三维建模和优化，以确保在压敏柔性气室上施加的力与由于机械输入（如肌肉或肌腱作用）引起的压敏柔性气室变形引起的内部气压变化之间存在线性关系。
29、所述压敏柔性气室的材料选用商用柔性长丝ninjaflex tpu。
30、本发明的有益效果是：该用于手势识别的可穿戴人机界面装置，克服了传统单模态系统的局限性，提升了手势识别的性能和系统的适用性，实现了更高的识别精度和更佳的用户体验。
1.一种用于手势识别的可穿戴人机界面装置，其特征在于：结合表面肌电图semg电极和压力感测力肌电图pfmg传感器，形成一个多模态的感测系统，同时感测用户伴随手势产生的生物电信号和压力信号，并将采集到的生物电信号和压力信号传输给可穿戴人机界面系统；
2.根据权利要求1所述的用于手势识别的可穿戴人机界面装置，其特征在于：所述可穿戴人机界面系统识别用户手势，包括以下步骤：
3.根据权利要求2所述的用于手势识别的可穿戴人机界面装置，其特征在于：所述步骤s3中，采用串联操作、主成分分析pca融合策略或线性判别分析lda用融合策略，将提取的生物电信号特征和压力信号特征进行融合。
4.根据权利要求1所述的用于手势识别的可穿戴人机界面装置，其特征在于：所述压力感测力肌电图pfmg传感器连接到一个压敏柔性气室来产生压力感测力肌电图pfmg信号，所述压敏柔性气室使用柔性可拉伸的3d打印材料制成，以适应用户的前臂形状，从而提供更高的佩戴舒适度；
5.根据权利要求4所述的用于手势识别的可穿戴人机界面装置，其特征在于：在每个压敏柔性气室的表面分别设置三个表面肌电图semg电极，在每个压敏柔性气室的侧面分别插入一个压力感测力肌电图pfmg传感器。
6.根据权利要求5所述的用于手势识别的可穿戴人机界面装置，其特征在于：设有8个压敏柔性气室，由微控制器进行模拟读数。
7.根据权利要求4所述的用于手势识别的可穿戴人机界面装置，其特征在于：采用有限元分析fea对压敏柔性气室进行三维建模和优化，以确保在压敏柔性气室上施加的力与由于机械输入引起的压敏柔性气室变形引起的内部气压变化之间存在线性关系。
8.根据权利要求7所述的用于手势识别的可穿戴人机界面装置，其特征在于：所述压敏柔性气室的材料选用商用柔性长丝ninjaflex tpu。
