功能评估用于识别附近多个目标的肌电模式识别
Fatemeh Davarinia1, Ali Maleki1
1Biomedical Engineering Department, Semnan University, Semnan, Iran.
Medical engineering & physics
|August 19, 2024
概括
使用电肌图 (EMG) 信号检测到达运动意图是人机协作的关键. 将EMG信号的特征结合起来,将意图检测准确度提高到77.11%.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 机器人技术 机器人技术 机器人技术
背景情况:
- 达到运动的意图检测对于先进的肌电人机协作至关重要.
- 来自上肢肌肉的电肌图 (EMG) 信号包含了用于识别运动意图的宝贵信息.
- 挑战包括目标位置的空间分辨率低和目标之间的微妙信号歧视.
研究的目的:
- 开发和评估一种可靠的方法来检测使用EMG信号达到运动意图.
- 从EMG数据中识别和选择最相关的特征,以准确识别目标.
- 通过探索特征组合和信号细分来提高分类性能.
主要方法:
- 在完成任务时,手工制作的特征从上肢肌肉的EMG信号窗口中提取出来.
- 邻近组件分析 (NCA) 用于特征选择以确定歧视性特征.
- 一个支持矢量机 (SVM) 模型被用于目标分类,使用嵌套交叉验证来评估性能.
主要成果:
- 最好的分类准确度是77.11%通过连接两个段的特征 (2s和0.25s).
- 使用NCA进行特征选择,提高了所选特征子集的辨别力.
- 结合不同运动部件的各种特征和连接特征,提高了分类性能.
结论:
- 拟议的方法有效地检测到来自EMG信号的运动意图,实现了显著的分类准确性.
- 特性工程和选择对于克服EMG信号歧视的局限性至关重要.
- 这种方法有望在肌电人机协作应用中增强直观控制.
