对表面EMG信号进行分析,以控制生物手原型及其实现
Adam Pieprzycki1, Daniel Król1, Bartosz Srebro1
1Department of Computer Science, University of Applied Sciences in Tarnow, ul. Mickiewicza 8, 33-100 Tarnow, Poland.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究开发了一种表面电肌图 (sEMG) 数据采集和分析系统,用于对手势进行分类,以控制仿生手假肢,实现精确的手势识别.
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
- 机器学习 机器学习
背景情况:
- 表面电肌图 (sEMG) 信号提供了一种非侵入性方法来检测肌肉活动.
- 对sEMG的准确解释对于先进的假肢控制至关重要.
- 现有系统通常需要复杂的校准和特征提取技术.
研究的目的:
- 开发一个全面的系统来获取和处理多道的sEMG数据.
- 提取用于手势分类的区分时间频率特征.
- 通过使用sEMG信号,实现对简化生物手假肢的精确控制.
主要方法:
- 使用ARM Cortex M3板和OYMotion传感器获得的sEMG数据.
- 在 MATLAB 中使用富里埃和希尔伯特-黄变换进行的信号处理和特征提取.
- 人工神经网络 (ANN) 和机器学习算法用于手势识别.
- 实验协议涉及109名健康志愿者执行五种不同的手势.
- 使用3D打印制造的生物手原型,由伺服电机驱动.
主要成果:
- 识别了用于手势分类的sEMG信号的区分时间频率特征.
- 成功训练了一个ANN模型来识别预定义的手势.
- 证明了控制简化的生物手系统的可行性.
结论:
- 开发的sEMG获取和分析系统有效地提取手势分类的特征.
- 该系统有望提高生物手假肢的控制能力.
- 进一步的研究可以探索更复杂的手势和自适应学习算法.
