طبقه بندی سیگنال الکترومایوگرام سطحی با استفاده از آمارگان مرتبه بالا

نویسندگان

کیانوش نظر پور

احمدرضا شرافت

سید محمد فیروزآبادی

چکیده

در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این فرض برای دامنه های کوچک نیرو نادرست است، در این مقاله برای استخراج ویژگی، با توجه به ماهیت غیرگوسی سیگنال الکترومایوگرام، آمارگان مرتبه های دوم، سوم، و چهارم برای این سیگنال در تاخیرهای متفاوت محاسبه و از این ویژگی ها در شناسایی الگوهای چهار حرکت ابتدایی باز و بسته کردن آرنج و چرخش به سمت داخل و خارج ساعد استفاده شده اند. از روش انتخاب ترتیبی مستقیم برای کاهش تعداد ویژگی های آمارگان مرتبه بالا استفاده کرده و طبقه بندی کننده k نزدیکترین همسایه برای دسته بندی آنها به کار گرفته شد. روش پیشنهادی در برابر تغییرات آماری نویز مقاوم بوده و در مقایسه با سایر روش های موجود، نیاز به محاسبات بیشتری برای حصول به نرخ بالا برای طبقه بندی ندارد. این امر، استفاده از روش پیشنهادی را در پروتزهایی که با سیگنال الکترومایوگرام سطحی به صورت بی درنگ کنترل می شوند امکان پذیر می سازد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

طبقه بندی سیگنال الکترومایوگرام سطحی چند کاناله ساعد با استفاده از یک ساختار خودسازمانده فازی-عصبی

طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس...

متن کامل

طبقه بندی سیگنال های الکترومایوگرام سطحی با استفاده از کورنتروپی

در این پایان نامه روش موثری برای دسته بندی سیگنال الکترومایوگرام سطحی به منظور کنترل پروتزهای مایوالکتریک ارائه می کنیم. چون سیگنال الکترومایوگرام سطحی، در دامنه های پائین نیرو ماهیتی غیرگوسی دارد و نویز محیط گوسی فرض می شود، از کورنتروپی برای استخراج ویژگی از این سیگنال استفاده می کنیم؛ زیرا کورنتروپی تنها دربرگیرنده اطلاعات مربوط به مولفه های غیرگوسی است و تخمین آن از نمونه های محدود بسیار سا...

15 صفحه اول

طبقه بندی سیگنال الکترومایوگرام سطحی چند کاناله ساعد با استفاده از یک ساختار خودسازمانده فازی-عصبی

طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس...

متن کامل

دسته‌بندی بی‌درنگ سیگنال الکترومایوگرام سطحی با استفاده از کورنتروپی

در این مقاله با استفاده از کورنتروپی، روشی مؤثر برای دسته‌بندی سیگنال الکترومایوگرام سطحی به منظور کنترل پروتزهای مایوالکتریک ارائه شده است. چون سیگنال الکترومایوگرام سطحی در دامنه‌های پائین نیرو ماهیتی غیرگوسی دارد درحالی‌که اغتشاش محیط گوسی فرض می‌شود، از کورنتروپی برای استخراج ویژگی از این سیگنال استفاده می‌کنیم؛ زیرا کورنتروپی...

متن کامل

دسته بندی بی درنگ سیگنال الکترومایوگرام سطحی با استفاده از کورنتروپی

در این مقاله با استفاده از کورنتروپی، روشی مؤثر برای دسته بندی سیگنال الکترومایوگرام سطحی به منظور کنترل پروتزهای مایوالکتریک ارائه شده است. چون سیگنال الکترومایوگرام سطحی در دامنه های پائین نیرو ماهیتی غیرگوسی دارد درحالی که اغتشاش محیط گوسی فرض می شود، از کورنتروپی برای استخراج ویژگی از این سیگنال استفاده می کنیم؛ زیرا کورنتروپی تنها دربرگیرنده اطلاعات مربوط به مؤلفه های غیرگوسی است و تخمین آ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
فصل نامه علمی پژوهشی مهندسی پزشکی زیستی

ناشر: انجمن مهندسی پزشکی ایران

ISSN 8006-9685

دوره 1

شماره 3 2007

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023