一个表面电肌图 (sEMG) 系统应用于抓地力监测

科学领域:

• 生物医学工程 生物医学工程
• 运动科学 运动科学 运动科学
• 康复医学 康复医学 康复医学

背景情况:

• 表面电肌图 (sEMG) 是一种重要的非侵入性技术,用于实时监测肌肉活动.
• 现有的sEMG系统可能因可移植性,成本或复杂性而受到限制,阻碍了广泛应用.
• 客观的肌肉状态监测对于体育训练,康复和疾病监测至关重要.

研究的目的:

• 开发和验证一个便携式,多通道的无线sEMG采集系统,用于客观地监测握力.
• 使用增强的机器学习算法创建精确的抓地力预测模型.
• 评估系统在各种应用中作为肌肉状态监测工具的有效性.

主要方法:

• 设计了一种无线sEMG采集系统,具有四通道离散终端和蓝牙传输.
• 通过将白搜索 (BES) 算法与随机森林 (RF) 算法集成,开发了一种抓地力预测模型.
• 进行实验以评估sEMG采集终端的性能 (增益,CMRR) 和预测模型的准确性 (R2,MAE,MSE).

主要成果:

• 在sEMG频段内,sEMG采集终端显示了高增益 (1125x) 和优异的常态拒绝比率 (CMRR).
• 改进的随机森林算法实现了高抓力预测准确度,R2为0.9215.
• 该系统在实时信号采集和精确的抓地力预测方面被证明是有效的.

结论:

• 拟议的无线多通道sEMG系统为肌肉状态监测提供了一个便携式,低成本和用户友好的解决方案.
• 集成BES增强的射频算法为从sEMG信号中预测握力提供了一个强大的方法.
• 这项技术在康复,体育训练,疾病监测和科学健康方面具有很大的应用潜力.