中文摘要: 针对表面肌电信号解码模型因无法挖掘时空信息等重要性表征，面临解码精度低，鲁棒性差等问题，本文提出一种名为循环时空深度神经网络的手势识别模型，旨在解决现有手势识别模型挖掘表面肌电信号表征能力不足的问题。首先，设计多通道卷积神经网络，并融入双向循环神经网络来提取强判别力的时空特征信息。其次，采用通道注意力机制来捕捉时空特征中通道重要性信息，并设计基于时空特征的注意力模块进一步增强时空特征信息。同时，基于特征金字塔网络思想来设计多尺度特征融合模块，从多尺度角度获取多级特征信息，提高模型对肌电信号的解码能力。最后，本文将所提出的手势识别模型在大型手势识别数据库Ninapro上进行测试，结果表明该方法能有效提高表面肌电信号表征挖掘能力，为人体手势动作识别的深度学习建模工作提供借鉴意义。