NinaproDB1手势识别sEMG信号数据集-23种手势-多受试者
数据来源：互联网公开数据
标签：肌电信号,sEMG,手势识别,生物医学工程,Ninapro,人体动作,机器学习,模式识别,康复,人机交互
数据概述：
本数据集是Ninapro数据库DB1的一部分，包含了27名受试者执行23种不同手势时的表面肌电信号（sEMG）数据。数据从原始数据库中提取，经过处理后，保留了10个sEMG信号通道的数据，去除了与特定练习相关的列。每个手势类别均对应一个特定的动作，涵盖了抓握、捏合、伸展等多种手部运动模式。
23种手势类别包括：
* 静止
* 大直径抓握
* 小直径抓握（有力抓握）
* 固定钩式抓握
* 食指伸展抓握
* 中等包绕
* 环形抓握
* 棱柱式四指抓握
* 握棍
* 书写三点抓握
* 动力球抓握
* 三指球抓握
* 精密球抓握
* 三点抓握
* 棱柱式捏抓
* 指尖捏抓
* 四点抓握
* 侧抓
* 平行伸展抓握
* 伸展型抓握
* 动力盘抓握
* 用三点抓握打开瓶子
* 转动螺丝（用握棍抓握螺丝刀）
* 切割东西（用食指伸展抓握抓握刀）
数据用途概述：
该数据集主要用于生物医学工程、人机交互、机器学习等领域的研究。 适用于肌电信号处理、手势识别算法开发、假肢控制、康复评估等应用。 研究人员可以使用该数据集训练和评估手势识别模型，探索不同算法在识别复杂手部动作方面的性能，并为开发更精准、更自然的假肢控制系统提供数据支持。 此外，该数据集也适用于教学和科研，帮助学习者理解sEMG信号的特性和手势识别技术。
