一种空间特征提取方法,用于增强EMG-PR系统中的上肢运动强度预测

科学领域:

• 生物医学工程 生物医学工程
• 康复工程 康复工程 康复工程
• 信号处理 信号处理

背景情况:

• 高密度表面电肌图 (HD-sEMG) 为运动意图识别提供了更丰富的空间数据.
• 现有的方法通常依赖于时间域特征,可能缺少关键的空间肌肉激活模式.

研究的目的:

• 为HD-sEMG引入和评估基于多通道线性描述器 (MLD) 的空间特征提取方法.
• 通过捕捉肌肉之间的区别和相关性来提高运动意图模式识别系统的准确性.

主要方法:

• 为HD-sEMG数据提出了一种基于MLD的空间特征提取技术.
• 将拟议的空间特征与传统的时间域特征进行比较.
• 在各种分类器和不同运动类型中评估性能.

主要成果:

• 基于MLD的空间特征提取方法显著提高了组合运动的分类精度,将错误率从11.14%降低到7.28%.
• 拟议的方法在所有测试的分类器中显示出卓越的适应性和性能.
• 来自不同肌肉区域的空间信息证明在增强运动识别方面是有效的.

结论:

• 基于MLD的空间特征提取是改进基于HD-sEMG的动作意图识别的一个有价值的方法.
• 整合空间信息可以提高系统的稳定性和分类性能,特别是在复杂的运动中.