用于手臂翻译手势识别的EMG数据集

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
• 人与计算机的交互

背景情况:

• 肌电控制系统对于假肢和机器人至关重要.
• 系统的准确性受到诸如手臂位置变化等因素的阻碍.
• 手臂位置对肌电信号质量的影响还没有得到充分研究.

研究的目的:

• 解决了解手臂位置对肌电控制的影响的差距.
• 介绍一个新的数据集的表面电肌图 (EMG) 信号跨各种手臂位置.
• 为了促进位置不变的肌电控制算法的开发.

主要方法:

• 收集了8名参与者的表面EMG和手动力学数据.
• 参与者在多个手臂位置上执行了6种不同的手势.
• 开发了一个新的数据采集协议,用于未来的EMG数据收集.

主要成果:

• 现在可以获得一个全面的数据集,捕捉与手臂位置的EMG信号变化.
• 该数据集使得对定位不变的肌电控制解码的研究成为可能.
• 拟议的协议支持未来的数据收集工作.

结论:

• 这一新型数据集是培训和基准测试定位不变的肌电控制算法的宝贵资源.
• 解决手臂位置的变化对于提高肌电控制的强度至关重要.
• 这项研究促进了假肢和机器人控制方面的进步.