近日，物电学院2023级电子信息专业硕士研究生倪思珂，在基于sEMG信号手势识别领域取得重要进展。其以第一作者的研究论文“DKD-MNet: Decoupled Knowledge Distillation and Multimodal Network for sEMG-based Gesture Recognition”在SCI一区国际知名期刊Knowledge-Based Systems上发表。导师Mohammed Al-qaness (克尼斯)教授为论文通讯作者。
手势识别技术在提高人机交互效率、开发个性化假肢系统、促进医疗康复等方面具有广阔的应用前景。使用表面肌电（sEMG）设备直接收集人体sEMG信号，可以实现更准确的手势识别。
该研究提出了一种新的基于sEMG的手势识别模型，该模型使用多视图网络的解耦知识蒸馏（DKD-MNet）。通过研究信号和图像（从信号转换而来）使用多视图方法。首先，基于手势动作对数据信号进行分割，成功解决了传统窗口分割技术获取上下文关系的缺点。通过单个单元的信道切换技术，表达数据信号的能力得到了合理的增强。其次，通过深入研究信号与其对应图像之间的多视图融合，可以实现更全面的特征提取，有效减少关键信息的丢失，并证明DKD在求解波形图像方面的有效性。在训练阶段，采用CNN-LSTM架构全面分析数据信号的空间和时间特征。同时，对于图像信号训练，应用DKD方法对ResNet50模型进行优化，从而提高了ResNet18模型的性能，实现了轻量级处理。
同时，倪思珂已在Knowledge-Based Systems、IEEE Journal of Biomedical and Health Informatic, Applied Soft Computing等国际知名期刊上发表高水平论文累计4篇（包含导师一作，本人二作）：
1.Ni S, Al-qaness M A A, Hawbani A, et al. A survey on hand gesture recognition based on surface electromyography: Fundamentals, methods, applications, challenges and future trends[J]. Applied Soft Computing, 2024, 166: 112235.
2.Al-qaness M A A, Ni S. TCNN-KAN: Optimized CNN by Kolmogorov-Arnold network and pruning techniques for sEMG gesture recognition[J]. IEEE Journal of Biomedical and Health Informatics, 2025. 29: 188-197
3.Ni S, Shen J, Tang C, et al. DKD-MNet: Decoupled Knowledge Distillation and Multimodal Network for sEMG-based Gesture Recognition[J]. Knowledge-Based Systems, 2025, 331: 114775.
4.Ni S, Al-qaness M A A. PTCVS-net: Patch-based transformer-CNN with variable sparse attention network for sEMG-based gesture recognition[J]. Applied Soft Computing, 2026, 187:114316.
一审:吴 瑛
二审:寇建龙
三审:阮敏尔
