基于EMG和SSVEP的双模估计肘部角度轨迹
Fatemeh Davarinia1, Ali Maleki1
1Biomedical Engineering Department, Semnan University, Semnan, Iran.
Neuroscience
|October 25, 2024
概括
这项研究结合了电肌图 (EMG) 信号和目标信息,以提高人机界面的性能. 整合这些信号可以提高运动轨迹的估计,特别是在残疾人身上.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 康复技术 康复技术 康复技术
背景情况:
- 在人机界面 (HMI) 中使用电肌图 (EMG) 信号估计运动轨迹具有挑战性,特别是对于那些运动障碍的人来说.
- 将EMG与其他生物信号和运动信息相结合,可以提高估计准确度.
- 辅助设备需要强大而准确的轨迹预测才能有效地发挥作用.
研究的目的:
- 通过将电肌图 (EMG) 信号与运动轨迹估计的目标信息相结合,提高人机接口的性能.
- 与仅使用EMG的解码器相比,研究一个整合EMG和目标数据的双模解码器的有效性.
- 评估疲劳对拟议双模解码器性能的影响.
主要方法:
- 记录了来自十名健康受试者的肩膀和手臂肌肉,肘部角度和电脑电图 (EEG) 信号的EMG活动.
- 使用稳定状态视觉唤起潜能 (SSVEP) 来识别到达目标.
- 开发了一种双模解码器,将最终肘部角度和EMG与肘部角度轨迹映射出来,并将其与基于EMG的解码器进行比较.
主要成果:
- 整合EMG和最终肘角信息的双模解码器显著优于仅使用EMG的解码器.
- 即使在受试者疲劳增加的条件下,拟议的结构也保持了卓越的性能.
- 纳入已知的达到目标信息可以提高到达配置文件的估计准确性.
结论:
- 集成EMG和目标信息的双模解码器为增强人机界面提供了显著的好处.
- 这些发现对于改进辅助机器人设备和假肢,特别是实时上肢康复非常重要.
- 增强的轨迹估计可以使辅助技术的控制更加直观和有效.
