本技術提出了一種新型的可穿戴式人機界面，將三軸加速規固定在客製的錶帶上，以測量由指趾肌末端肌肉產生的肌纖維振動信號(MMG)。其可即時識別拍手，彈食指、彈指、擲硬幣、射擊、手腕伸展、手腕彎曲和握拳等八種手勢。本技術從時域信號及小波包係數中提取特徵，並利用循序向前搜尋法進行特徵篩選，以提高分類準確度並減少處理時間。這些特徵將會輸入機器學習模型進行分類，比較的分類器包含K最近鄰居法、支持向量機、線性判別分析及深度神經網絡等。在對35位16至55歲的受試者進行測試後，驗證本技術的辨識率高達九成，且有攜帶便利、信號採集穩定、不受流汗影響、功耗低及辨識精度高等優點。

本技術率先將加速規以錶帶方式固定於指肌群中末端(手腕處)以量測肌纖維振動訊號，並以人工智慧方法針對電玩中常用的8種手勢進行辨識，其在低取樣頻率(200Hz)下也可以有很好的辨識效果。本技術邀請35位受測者進行實驗，即使在手勢訊號沒有被包含在訓練資料庫的情況下，也能有高達九成的辨識率。

本技術提出的穿戴式裝置將可取代鍵盤及搖桿，成為頭戴式虛擬實境及擴充實境的人機介面。與市面上使用的影像及肌肉電信號的識別裝置相比，本技術不會受到場地、光源及流汗的影響，有著低成本、低耗電量、訊號穩定等優點，適合長時間的穿戴。