人类手臂运动的映射方法基于表面肌电图信号
Yuanyuan Zheng1,2, Gang Zheng1, Hanqi Zhang3
1School of Mechanical and Energy Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, China.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究精确地绘制了人类手臂运动的地图,使用表面电肌图 (sEMG) 信号和深度学习. 该方法可以实现精确的假肢手臂控制,增强辅助设备的开发.
科学领域:
- 生物医学工程 生物医学工程
- 机器人技术 机器人技术 机器人技术
- 神经科学是一个神经科学.
背景情况:
- 精确地绘制人类手臂运动的地图对于先进的假肢和辅助设备至关重要.
- 表面电肌图 (sEMG) 信号为捕捉运动意图提供了一个有希望的,非侵入性的方法.
- 将sEMG与惯性测量单位 (IMU) 集成可以提高运动重建的准确性.
研究的目的:
- 开发和验证使用sEMG信号绘制人类手臂运动的精确方法.
- 为了提高机器人手臂控制的动作识别和关节角度预测.
- 为更直观,更响应的假肢和辅助设备奠定基础.
主要方法:
- 多通道sEMG信号采集和处理,包括过和规范化.
- 使用惯性测量单元 (IMU) 进行准确的关节角度计算.
- 开发一种混合深度学习模型 (CNN-ANN),用于手势识别的多功能融合.
- 使用反向传播神经网络,在sEMG和联合角度之间进行非线性适配.
主要成果:
- 实现了对各种人手臂运动的准确识别,包括手势和连续的联合行动.
- 建立了一个非常准确的非线性模型,用于从sEMG信号中预测连接角度.
- 证明了成功的假肢手臂控制与精确的运动预测和执行.
结论:
- sEMG信号显示出精确的机器人手臂控制的巨大潜力.
- 开发的深度学习方法提高了人类运动映射的准确性.
- 这项研究为开发下一代直观假肢和辅助技术提供了坚实的基础.
