基于功率与时间高效Transformer深度学习网络的表面肌电信号手部运动学连续估计

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Continuous Estimation of Hand Kinematics From Electromyographic Signals Based on Power-and Time-Efficient Transformer Deep Learning Network

　　本研究针对表面肌电信号(sEMG)解码中模型效率与精度难以兼顾的问题，提出了一种融合高效多头自注意力(EMSA)与剪枝前馈神经网络(FNN)的Transformer架构。该模型在Ninapro DB2数据集上实现了0.82±0.04的相关系数(CC)和10.77±1.48的均方根误差(RMSE)，推理时间在树莓派4B上仅需65.99毫秒，显著提升了可穿戴设备部署的实用性。

　　

在人工智能浪潮席卷各行各业的今天，如何让机器更自然地理解人类运动意图已成为人机交互领域的前沿课题。表面肌电信号(sEMG)作为肌肉活动产生的电信号，蕴含着丰富的运动信息，被誉为解读人体运动意图的“密码本”。然而，当前基于深度学习的手部运动学连续估计方法往往陷入两难境地：追求高精度的模型通常计算复杂度高、功耗大，难以在资源受限的可穿戴设备上实现实时应用；而注重效率的模型又往往以牺牲精度为代价。

针对这一挑战，由大连海事大学林闯、赵春晓等研究人员组成的团队在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》上发表了一项创新研究。他们开发了一种基于Transformer架构的新型深度学习网络，巧妙平衡了模型精度与效率，为可穿戴式人机交互系统提供了更实用的解决方案。

关键技术方法

研究团队提出了sTransformer-EMSA和sTransformer-EMFN两种变体模型，核心创新包括：采用高效多头自注意力(EMSA)机制，通过二维卷积对键值进行下采样降低计算复杂度；引入自适应剪枝策略优化前馈神经网络(FNN)结构；使用Soft-dtw损失函数提升时间序列对齐精度。实验基于Ninapro DB2公开数据集，包含38名受试者执行八种抓握动作时的12通道sEMG信号和22个手部关节角度数据。

研究结果

模型精度对比

在z-zero归一化条件下，sTransformer-EMSA*模型表现最佳，相关系数(CC)达0.8234±0.04，均方根误差(RMSE)为10.66±1.45。sTransformer-EMFN模型紧随其后，CC为0.8177±0.04，RMSE为10.77±1.48。这两种模型均显著优于传统时序卷积网络(TCN)和长短期记忆网络(LSTM)等基准方法。

计算效率分析

在树莓派4B嵌入式设备上，sTransformer-EMFN的推理时间仅需65.99毫秒，模型大小压缩至2.95MB，功耗为2.28W。其ARM模型效率(AME)指标为23.57，远优于标准Transformer模型(116.43毫秒/37.56 AME)和BERT架构(336.99毫秒/153.18 AME)。

抗干扰性能

在电极偏移模拟实验中，sTransformer-EMFN模型仅出现5.12%的性能下降；添加10dB高斯噪声后仍保持稳定预测能力，证明了模型的鲁棒性。

在线实验验证

通过高密度sEMG采集系统(192通道)和5DT数据手套开展的在线实验进一步验证了模型实用性，CC达到0.8028±0.08，推理时间在树莓派4B上为105.36±5.58毫秒，满足实时交互需求。

结论与展望

该研究成功解决了sEMG解码中精度与效率难以兼顾的痛点，为可穿戴肌电控制系统提供了更可行的技术方案。创新性地将自然语言处理领域的Transformer架构适配于生物信号处理场景，通过注意力机制优化和模型压缩技术，实现了在嵌入式设备上的高效部署。未来研究方向包括跨被试泛化能力提升、模型量化技术探索以及多模态信息融合等，将进一步推动肌电控制技术在康复医疗和人机交互领域的实用化进程。