嵌入式肌电腕带实时采集与识别系统设计

摘要

目前，大多数商用表面肌电(sEMG)信号采集系统存在价格昂贵、便携性和时效性无法满足应用需求的缺陷。为了解决该问题，结合模拟采集电路的精度要求以及微控制器低功耗、高性能、灵活性等方面的需求，设计一种嵌入式一体化肌电腕带，可以用于实时手势识别。首先，采用低成本、低噪声的精密放大器完成模拟采集电路设计，并在仿真环境中对电路进行仿真验证，保证信号采集质量；其次，在低功耗、高性能的微控制器ESP32-S3上提出轻量化卷积神经网络L-CNN以进行实时识别。L-CNN在预训练后进行剪枝和量化，然后完成部署。通过剪枝算法去除模型中冗余的权重参数，减小模型大小，加快推理速度，并微调到预训练模型中。量化将原有32位浮点数降到8位整数进行计算，使模型尺寸降低以适用于嵌入式设备。实验结果表明，L-CNN的尺寸相比原模型大幅降低，推理速度得到提升，并且在实时手势识别中能达到95%左右的识别准确率，验证了整个系统的可靠性。

关键词