SPECTRE：基于sEMG的运动解码的进步

本文介绍了SPECTRE，一种用于从sEMG信号解码精细动作的新型自监督学习框架。主要贡献是谱预训练任务和圆柱旋转位置嵌入（CyRoPE）。SPECTRE解决了sEMG数据中信号非平稳性和低信噪比的挑战，从而提高了运动解码的性能，尤其是在假肢控制方面。本文的重要性在于其特定领域的方，结合了生理学知识并对传感器拓扑进行建模，以提高基于sEMG的运动解码的准确性和鲁棒性。

• •SPECTRE 是一个针对基于 sEMG 的运动解码的特定领域自监督学习框架。
• •它使用谱预训练和新颖的圆柱旋转位置嵌入 (CyRoPE)。
• •SPECTRE 优于现有方法，包括监督和通用 SSL 方法。
• •该框架旨在解决 sEMG 数据中信号非平稳性和低信噪比等挑战。