The applications of wearable sensors in daily life are increasing day by day. The wearable sensor technologies provide a wide range of knowledge that can be utilized by human gesture/action systems. Although the electromyography (EMG) sensors, which are one of the most simple and effective wearable sensors, are usually employed in especially medical diagnosis, it holds a great amount of information (e.g., activity descriptors) regarding human activities. This study aims to evaluate the applicability of EMG signals in action recognition by identifying the relevant features of EMG signals alongside their commonly used properties. These (relevant) features are categorized into general basic statistical variables in time/frequency/aLBP/uniform aLBP domains, special statistical features in time and frequency domains, AR coefficients, and features in the wavelet domain. In order to evaluate and validate the applicability of EMG signal, a set of features is extracted from a wide range of datasets established by the authors of this paper in a way of describing distinct human actions (total of 132 distinct features). The study determines the dominant features for human action recognition systems by proposing a new wearable sensor-based methodology that exploits feature selection algorithms. Hence, the determination of the relevancy order of the features is one of the significant outcomes of this study. The results figure out that the most relevant ones are the metrics that detect fluctuations, i.e., a higher amount of entropy, belonging to the signal.

可穿戴式传感器在日常生活中的应用日益增加。可穿戴传感器技术提供了人类手势/动作系统可以利用的广泛知识。尽管肌电图（EMG）传感器是最简单和有效的可穿戴传感器之一，通常用于特别的医学诊断中，但它拥有大量有关人类活动的信息（例如，活动描述符）。本研究旨在通过识别肌电信号的相关特征以及它们的常用属性，来评估肌电信号在动作识别中的适用性。这些（相关）功能分为时/频/ aLBP /均匀aLBP域中的一般基本统计变量，时域和频域中的特殊统计特征，AR系数，和小波域中的特征。为了评估和验证EMG信号的适用性，以描述独特的人类行为的方式（总共132种不同的特征）从本文作者建立的广泛数据集中提取了一组特征。这项研究提出了一种新的基于可穿戴传感器的，利用特征选择算法的方法，从而确定了人类动作识别系统的主要特征。因此，确定特征的相关性顺序是这项研究的重要成果之一。结果表明，最相关的指标是检测属于信号的波动（即，较大量的熵）的指标。一组特征是从本文作者建立的各种数据集中提取出来的，这些数据集以描述不同人类行为的方式（总共132个不同特征）组成。这项研究提出了一种新的基于可穿戴传感器的，利用特征选择算法的方法，从而确定了人类动作识别系统的主要特征。因此，确定特征的相关性顺序是这项研究的重要成果之一。结果表明，最相关的指标是检测属于信号的波动（即，更高的熵）的指标。一组特征是从本文作者建立的各种数据集中提取出来的，以描述不同的人类行为（总共132个不同的特征）。这项研究提出了一种新的基于可穿戴传感器的，利用特征选择算法的方法，从而确定了人类动作识别系统的主要特征。因此，确定特征的相关性顺序是这项研究的重要成果之一。结果表明，最相关的指标是检测属于信号的波动（即，较大量的熵）的度量。这项研究提出了一种新的基于可穿戴传感器的，利用特征选择算法的方法，从而确定了人类动作识别系统的主要特征。因此，确定特征的相关性顺序是这项研究的重要成果之一。结果表明，最相关的指标是检测属于信号的波动（即，较大量的熵）的度量。这项研究提出了一种新的基于可穿戴传感器的，利用特征选择算法的方法，从而确定了人类动作识别系统的主要特征。因此，确定特征的相关性顺序是这项研究的重要成果之一。结果表明，最相关的指标是检测属于信号的波动（即，较大量的熵）的度量。