对职业外骨架的sEMG初始检测方法的比较,基于广泛的接近应用的数据.

科学领域:

• 人机界面设计 人机界面设计
• 生物医学工程 生物医学工程
• 职业安全 职业安全 职业安全

背景情况:

• 为职业外骨架设计有效的人机界面对于用户采用和性能至关重要.
• 与传统方法相比,生物传感方法,如表面电肌图 (sEMG),可以提高控制直观性,减少系统延迟.

研究的目的:

• 评估sEMG发病检测算法的可靠性,以在现实的场景中控制职业外骨架.
• 通过使用恒定错误报警率 (CFAR) 算法来识别sEMG发作检测的最佳功能.

主要方法:

• 从55名健康受试者那里记录了肩部的sEMG信号,这些受试者执行了与组装工作相关的坐着举臂任务.
• 实施了CFAR双值检测算法,并测试了各种信号特征.
• 功能选择是基于信号噪声比 (SNR),灵敏度,精度,定时误差和偏差,专家视觉检查和动态数据作为参考.

主要成果:

• 使用Teager-Kaiser-Energy-Operator (TKEO) 作为一个特征的CFAR算法显示出卓越的性能.
• 最佳功能性能:SNR为14.48dB,灵敏度为91%,精度为93%.
• 平均而言,sEMG分析在检测到的动力学变化之前预测了即将发生的运动215毫秒.

结论:

• 基于TKEO的CFAR算法为职业外骨控制中sEMG发病检测提供了一种可靠的方法.
• 通过sEMG早期检测运动意图,可以显著提高外骨的响应能力和用户体验.
• 这种方法有望在工业环境中开发更直观,更有效的人机协作.