生物信号驱动力控制的自适应过器 保持sEMG的预测能力

科学领域:

• 生物医学工程 生物医学工程
• 机器学习 机器学习
• 信号处理 信号处理

背景情况:

• 基于机器学习的电肌图 (EMG) 控制需要稳定和可重复的肌肉活动信号.
• 信号不稳定性和延迟限制了外骨控制和远程阻抗等EMG应用,重力补偿和信号异性等因素加剧了这种情况.

研究的目的:

• 介绍和描述表面EMG (sEMG) 功能的自适应过器.
• 为了提高sEMG信号的稳定性和响应性,用于具有较低延迟公差的应用.

主要方法:

• 开发了一种自适应波器,根据运动意图自动调整其切断频率.
• 过器在线和线下测试,使用基于回归的联合扭矩预测器.

主要成果:

• 与未经过的预测相比,自适应过器表现出更准确的预测,以较低的根平均平方误差表示.
• 与传统的低通波器相比,该波器提供了更高的信号响应率,并减少了延迟.

结论:

• 拟议的自适应波器通过提高信号准确性和响应性来提高基于EMG的控制系统的性能.
• 这种自适应过方法为要求精确及时控制的应用提供了可行的解决方案,例如先进的假肢和机器人.