基于sEMG的手势识别中的循环神经网络领域适应

表面肌电图（sEMG/EMG）是通过使用电极从皮肤的特定区域记录肌肉的电信号活动。基于sEMG的手势识别对会话间和个体间的差异极为敏感。我们提出了一种模型及一种基于深度学习的域适应方法，以近似域偏移，从而提高识别准确性。在稀疏和高密度（HD）sEMG公开数据集上进行的分析验证了我们的方法优于现有最先进方法。