一个混合EMG-EEG接口,用于强大的意图检测和疲劳适应控制肘部康复机器人

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.
• 机器人技术 机器人技术 机器人技术

背景情况:

• 准确的用户意图检测对于智能上肢康复机器人至关重要.
• 基于电肌图 (EMG) 的系统由于肌肉疲劳而遭受性能下降.

研究的目的:

• 开发一种混合电肌图 (EMG) -电脑图 (EEG) 控制框架,以对肘部运动进行可靠的分类.
• 为了适应地融合外围 (EMG) 和中央 (EEG) 生物信号,减轻与疲劳相关的性能下降.

主要方法:

• 集成了一个基于支持矢量机 (SVM) 的EMG分类器和一个共同空间模式 (CSP) -SVM EEG分类器.
• 采用贝叶斯融合策略,基于k-最近邻居 (k-NN) 从EMG光谱特征估计的疲劳水平进行实时重量调制.
• 在机器人康复平台上部署了混合框架,并与五名健康参与者进行了评估.

主要成果:

• 获得了94.5%的分类准确度,超过了仅EMG的基线 (88.5%),延迟低于500ms.
• 在高疲劳条件下,对疲劳感知权重保持了高性能 (91.4%与仅EMG的83.1%相比).
• 与单模系统相比,显著提高了强度和性能.

结论:

• 拟议的混合框架提供了一个可扩展的,实时的,适应疲劳的控制策略.
• 这种方法显示出增强临床中风康复和运动恢复的巨大潜力.
• 对EMG和EEG信号的自适应融合为康复机器人中的意图检测提供了强大的解决方案.