一项试点研究共定位的EMG和FMG过期相信号融合方法用于手部运动特征

科学领域:

• 生物医学工程 生物医学工程
• 人机界面设计 人机界面设计
• 信号处理 信号处理

背景情况:

• 当前的人机控制系统通常依赖于单个传感器模式,如电肌图 (EMG) 或力肌图 (FMG).
• 现有的研究经常忽视这些信号的短暂阶段,因为它们的非静止性质,而是专注于稳定状态数据.
• 这种局限性阻碍了多式联运传感器集成在先进控制系统中的全部潜力.

研究的目的:

• 为了研究组合EMG和FMG信号的有效性,以改善手势特征.
• 探索过渡相信号数据在多式传感器融合中的实用性.
• 开发一个优化的人机控制系统,利用合并的传感器数据.

主要方法:

• 使用注意力机制将来自EMG和FMG信号的时间域特征融合在一起.
• 然后,使用三个不同的分类算法对融合传感器数据表示进行了分类.
• 通过逐步减少传感器通道的数量来分析系统冗余性.

主要成果:

• 组合EMG和FMG模式在描述手势方面表现出优异的表现,与单一模式方法相比.
• 实验结果表明,将传感器通道数量减少25%并没有显著影响系统性能.
• 该研究成功地利用过渡阶段信号特征来增强手势识别.

结论:

• 多式传感器融合,特别是结合EMG和FMG,显著提高人机控制系统的性能,用于手势识别.
• 这些发现表明,通过降低系统复杂性和成本而不会损害稳定性,可以开发优化的人机接口.
• 临床应用包括中风康复和恢复截肢者的精细运动功能.