با توجه به پیشرفت¬های علم پزشکی، هنوز درمان قطعی برای افراد معلول حاصل نشده است. بنابراین مهندسین نیز در تلاش¬اند تا با ایجاد روش¬های الکتریکی و حتی مکانیکی، بازتوانی در عضو فلج این بیماران پدید آوردند و انجام امور روزمره زندگی آن¬ها را بهبود بخشند. از جمله این روش¬ها، تحریک الکتریکی عملکردی (fes) است که آینده¬ای روشن به روی پیشرفت¬های مهندسی در توانبخشی و بازتوانی حرکت افراد معلول ایجاد نموده است. با این¬حال، سیستم کنترلی fes که در عمل بتواند با عدم قطعیت¬های سیستم عضلانی – اسکلتی و تغییرات روز به روز و فرد به فرد آن و نیز اغتشاشات محدود محیطی مقاوم و تطبیق¬پذیر باشد، هنوز به عنوان مسأله¬ای اساسی در پژوهش¬های علمی مطرح می-باشد. ما در این تحقیق، با هدف بازتوانی حرکت در بازوی فلج برای انجام reaching، کنترل تطبیقی- فازی ترمینال پیوسته مد لغزشی را به عنوان کنترلی مقاوم و تطبیق¬پذیر طراحی کرده¬ایم. این کنترل، با بکارگیری سیستم تقریب زننده فازی بدون نیاز به هرگونه بازشناسی اولیه از سیستم تحت کنترل، قادر است تا الگوهای تحریک مناسب را برای انجام حرکت مطلوب تولید کند. اما بدلیل وجود پدیده چترینگ، در عمل منجر به تحریک دینامیک¬های فرکانس بالای مدل نشده سیستم خواهد شده که امکان ناپایداری غیر قابل پیشگوئی را فراهم می¬سازد. از این¬رو، با استفاده از روش لایه مرزی و بکارگیری قانون تصمیم در ترکیب دو کنترل شبکه عصبی و ترمینال پیوسته، توانسته¬ایم تا حد مطلوبی چترینگ را کاهش دهیم. بازوی انسان به صورت سه لینکه با سه درجه آزادی برای حرکت در صفحه و دو لینکه با چهار درجه آزادی برای حرکت در فضای سه بعدی، به عنوان بیمار مجازی مدل شده است. با توجه به اینکه درفضاهای کاری ذکر شده، هر دو مدل دارای افزونگی سینماتیکی در انجام حرکات خود می¬باشند، تعیین مسیر واحدی برای مفاصل در تولید یک حرکت خاص، نیازمند بکارگیری روش¬های بهینه¬سازی است. با هدف ایجاد مسیرهای مطلوب به صورت برخط و اعمال آن¬ها به کنترل کننده، از شبکه عصبی بازگشتی برای حل برخط مسائل بهینه¬سازی استفاده نموده¬ایم. تابع هزینه از نوع qp برای حداقل انرژی در انجام حرکت تعریف شده که امکان در نظر گرفتن محدودیت¬های فیزیکی مفاصل را نیز فراهم می¬سازد. نتایج نشان داده¬اند که الگوریتم بهینه¬سازی برخط در تعامل مطلوبی با کنترل کننده ترکیبی شبکه عصبی – ترمینال پیوسته، حتی در حضور نویز و اغتشاش از نوع گشتاور، خطاهای بسیار کمی را در ردیابی مسیرهای مطلوب ایجاد نموده و کار هدفمند reaching با خطای بسیار کمی از نقطه شروع تا نقطه هدف عملگرنهایی انجام شده است. با هدف بازیابی حرکت در بازوی افراد فلج، نیاز به طراحی کنترل مقاوم و تطبیق پذیر با عدم قطعیت های سیستم بیولوژیکی و اغتشاشات محیطی وجود دارد که از این رو با طراحی کنترل ترکیبی شبکه عصبی-ترمینال پیوسته در صدد کنترل حرکت reaching بازوی انسان بر آمدیم از طرفی با توجه به افزونگی سینماتیکی در بازوی انسان مسیرهای واحدی برای مفاصل در حرکت reaching وجود ندارند و با توجه به اینکه reaching یک حرکت هدفمند است در این تحقیق الگوریتم بهینه سازی برخطی را با کنترل کننده همراه نموده ایم تا مسیرهای مطلوب را بصورت برخط برای کنترل کننده فراهم نماید و با مدل کردن بازوی انسان با سه و جهار درجه آزادی در حکم بیمار مجازی عملکرد توام کنترل کننده و الگوریتم مسیریابی برخط را در برابر نویز، اعتشاش و تغییرات پارامتری مدل نشان داده ایم.

چکیده ندارد.

سیگنال های الکتریکی مغز (eeg) که از روی جمجمه انسان ثبت می شود،بیانگر فعالیت سلولهای قشری مغز هستند. امروزه سیگنالهای مغزی کاربردهای بسیاری در کلینیک برای تشخیص بسیاری از بیماریها و فعالیت های نروفیزیولوژیک پیدا کرده است . علاوه بر آن، می توان به کاربردهای دیگری مانند به تشخیص عمق بیهموشی، ارتباط انسان و کامپیوتر، ایجاد دستورات کنترلی برای سیستم fes، تشخیص خود به خود حمله مغزی، شناخت مراحل مختلف خواب ، ردیابی تغییرات پویایی سیگنال مغزی در حین اعمال فکری اشاره کرد. با توجه به اهمیت سیگنالهای مغزی، اخذ این سیگنالها در مهندسی و کلینیک حائز اهمیت است . در این پروژه، سیستمی برای دریافت و ثبت سگنالهای مغزی و پردازش سیگنال eeg به صورت بی درنگ به منظور ردیابی تغییرات پویایی سیگنالهای مغزی طراحی و ساخته شد. به علت آنکه سیگنالهای مغزی دامنه ای بسیار اندک دارند، برای اخذ آنها نیاز به تقویت کننده ای چند کاناله با بهره زیاد (حدود 20000)، نویز بسیار کم و قابلیت حذف سیگنال القایی برق شهر است . مشکلات دیگری مانند ایزولاسیون و محافظت بیمار، نویز القایی برق شهر که در میان باند فرکانسی سیگنال قرار می گیرد، طراحی سیستم ثبت سیگنالهای مغزی را دشوار می کند. به منظور اخذ داده ها، ذخیره سازی و نمایش آن بر روی صفحه کامپیوتر به صورت بی درنگ ، نرم افزاری طراحی کرده ایم که امکان اخذ داده ها را از 8 کانال تقویت کننده eeg فراهم می کند. در این نرم افزار توانایی های فیلتر برق شهر، فیلتر پایین گذر قابل انتخاب ، فیلترهای امواج دلتا، تتا، آلفا و بتا، محاسبه و نمایش fft سیگنال اخذ شده به صورت بی درنگ ، و توانایی ذخیره سازی و بازیابی داده های خام اخذ شده، فراهم شده است . سیگنال مغزی سیگنالی غیر ایستا است . یکی از روش های آنالیز سیگنال غیرایستا، استفاده از بازنمایی زمانی فرکانسی است . دراین پروژه ما از روشهای تبدیل فوریه کوتاه مدت (stft) و روش توزیع نمایی (ed) برای بازنمایی زمانی-فرکانسی سیگنالهای مغزی در شرایط مختلف استفاده کرده ایم. نشان داده ایم که ورش stft دارای محدودیت های عدم دقت زمانی-فرکانسی توام و وجود جملات تداخلی در تخمین طیف توان است که تفسیر فرکانسهای موجود را مبهم می کند. نتایج بررسی های این پروژه نشان می دهد که روش ed نسبت به روش stft توانایی بهتری برای ردیابی تغییرات سیگنال مغزی دارد و از دقت زمانی-فرکانسی بهتری برخوردار است . شرایط مختلف فیزیکی و بیماری تاثیرات متفاوت بر روی سیگنال eeg می گذارد. لذا در این پروژه پردازش بی درنگ سیگنال مغزی از جمله استخراج باندهای دلتا، تتا، آلفا و بتا و تخمین طیف توان آن با روشهای زمانی-فرکانسی تبدیل فوریه کوتاه مدت و توزیع نمایی، در حالات مختلف مغزی انجام شده است . برای این منظور، آزمایشاتی بر روی انسان در شرایط مختلف چشم بسته، تغییر حالت چشم بسته به چشم باز، بعد از تنفس عمیق، بستن دست در حالت چشم بسته و باز کردن دست در حالت چشم بسته، انجام شده است . در تمام این موارد، دامنه باندها، واریانس و طیف توان سیگنال های مغزی، تغییرات حالات مغزی را تا حدودی نشان می دهد.

در این پروژه با توجه به قابلیت بالای شبکه های عصبی مصنوعی در مدلسازی سیستم های غیرخطی، سعی شده که عضله تحریک شده را توسط شبکه های عصبی بصورت جعبه سیاه و بدون توجه به کارکرد اجزای تشکیل دهنده آن مدلسازی کرد. در این کارتحقیقاتی، جهت مدلسازی عضله تحریک شده شبکه های عصبی پس از انتشار خطا و شبکه های عصبی مبتنی بر توابع پایه شعاعی پیاده سازی شده اند. برای یادگیری شبکه های مبتنی ب توابع پایه شعاعی (rbfn) از سه روش استفاده شده است : روش آموزش k-means ، روش گرادیان تصادفی و روش حداقل مربعات متعامد. در آخر نیز برای مقایسه قابلیت شبکه های عصبی که مدل های غیرخطی هستند با مدل های خطی، عضله تحریک شده بوسیله مدل خطی کلی مدل شده است . نتایج این پروژه نشان می دهد در مدلسازی عضله شبکه rbf با روش آموزش گرادیان تصادفی از کارایی بالاتری نسبت به سایر شبکه ها برخوردار است .

در این پروژه از شبکه های عصبی جهت تشخیص حرکات مختلف چشم از روی سیگنال الکترواکلوگرام استفاده شده است .

هدف از اجرای این پروژه طبقه بندی و تفکیک فعالیت های مختلف ذهنی با استفاده از سیگنال های مغزی است .

هدف در این تحقیق، تحلیل و بررسی سیگنالهای مغزی ناشی از حرکات پنجه یک دست و دو دست در حالت چشم باز و سپس طبقه بندی این سیگنالهاست . حرکات مربوط به یک دست شامل سه حرکت بازکردن، بستن و عدم حرکت پنجه دست راست و حرکات مربوط به دو دست شامل پنج حرکت بازکردن و بستن پنجه دست راست ، بازکردن و بستن پنجه دست چپ و عدم حرکت پنجه های دو دست است . بدین منظور آزمایشاتی بر روی انسان انجام شده است . بدلیل انجام آزمایشات در حالت چشم باز، حذف آرتیفکت های چشمی، بویژه پلک زدن ضروری است . نتایج این تحقیق نشان میدهد که فیلترهای وفقی عصبی، توانایی بسیار خوبی در حذف آرتیفکت پلک زدن دارند.

پتانسیل برانگیخته جواب مجموعه ای از یاخته های عصبی به یک تحریک حسی است و از جمله سیگنالهای حیاتی است که در تشخیص برخی بیماریهای اعضای حواس پنجگانه و مطالعه سیستم عصبی مرکزی کاربرد زیادی دارد. یکی از انواع پتانسیلهای برانگیخته، پاسخ شاخه مغزی شنوائی است . در پتانسیل برانگیخته شنوائی، اعصاب شنوائی با اعمال پالسهای صوتی، تحریک می شوند و پاسخ این تحریکها توسط الکترودهایی از فرق سر ثبت می شود. پتانسیل های برانگیخته شنوائی توانایی بیان اطلاعات کلینیکی از حلزون تا عصب شنوائی، ساقه و کورتکس مغز را دارند. این پتانسیلها که در سیگنالهای مغزی مدفون شده اند، نسبت سیگنال به نویز بسیار پائینی دارند و از طرفی غیرایستا و متغیر با زمان هستند. ساده ترین روش معمول و رایج برای استخراج پتانسیل برانگیخته متوسط گیری از پاسخ ها است و بطور مثال از 1000 سری خروجی تحریک متوسطگیری می شود که تعداد زیادی است . در این روش فرض براین است که متوسط نویز، صفر، سیگنال با نویز غیروابسته و محیط ایستا است . در این پروژه از تبدیل پاره موج که عملکرد مناسبی در محیط های غیرایستا دارد، برای بهبود تخمین پتانسیل برانگیخته از سیگنالهای مغزی و افزایش سرعت همگرائی در فیلترهای وفقی استفاده شده است . ما فیلتر وفقی جدیدی مبتنی بر تبدیل پاره موج ارائه می کنیم و آنرا فیلتر وفقی مبتنی بر تفکیک چندگانه می نامیم . نشان خواهیم داد که این فیلتر از کارایی بهتری نسبت به فیلترهای وفقی متغیر با زمان، و نامتغیر با زمان در تخمین پتانسیل برانگیخته شنوایی برخوردار است . یکی از خاصیتهای مهم تبدیل پاره موج، فشرده سازی اطلاعات است که در این پایان نامه نیز مورد استفاده قرار گرفته است .

محققین در طی دو دهه اخیر شبکه های عصبی زیست شناختی را با مدلهای ریاضی مدل نموده اند. یک نرون معمولی در شبکه عصبی، عنصری ساده با تابع ورودی ˆخروجی دارای حد آستانه است که ورودیهای وزن دار از سایر نرونها را با هم جمع کرده و به صورت یک خروجی که حد آستانه ای بر آن اعمال می شود، در می آورد. این شبکه های مصنوعی، در سالیان اخیر به عنوان ابزاری قدرتمند جهت پردازش اطلاعات ، شناسائی الگو، حل مسائل بهینه سازی، مدلسازی و کنترل سیستم ها، بکار گرفته شده اند. با وجود پیشرفت های قابل توجه ای در این راستا، مدلهای فعلی در مقایسه با شبکه های زیست شناختی از محدودیتهائی برخوردار هستند. از جمله آنکه عملکرد آنها کاملا از قبل توسط شرایط اولیه تعیین می شود و هرگز سیستم بدون ورودی جدیدی از خارج رفتار گذشته خود را فراموش نمی کند، در حالی که شبکه های عصبی زیست شناختی رفتار تطبیقی و خودسازماندهی داشته، و براحتی رفتار گذشته خود را فراموش و منطبق با شرایط جدید می کنند. از محدودیتهای دیگر شبکه های عصبی موجود، طولانی بودن زمان همگرائی به مجموعه های حدی این سیستم ها است . پایین بودن ظرفیت حافظه از دیگر محدودیتهای این مدل ها است . از طرفی، پژوهشهای عصب زیست شناختی نشاند داده است که نرونهای زیست شناختی عملکردشان بسیار پیچیده تر از رفتار نرون ساده در یک شبکه مصنوعی کلاسیک است . یکی از خصوصیات نرونهای زیستی رفتار آشوبگونه آنهاست که به طور تجربی در رفتار یک نرون طبیعی در طی آزمایشهای زیست شناختی دیده شده است . در حال حاضر، نه تنها در آزمایش های مختلف با آکسون مرکب ماهی، بلکه با تحلیل عددی و با روابط هاچیکین-هاکسلی مشخص شده است که پاسخهای غشا عصبی در حال استراحت ، به تحریکهای متناوب ، همیشه متناوب نبوده، و به طور وضوح پاسخهای غیرمتناوب و آشوبگرانه است . در مقیاس وسیعتر، بررسی سیگنالهای الکتروآنسفالوگرام، حاکی از آشوبگونه بودن آن و نمایانگر رفتار آشوبگونه مغز است . وجود شواهد فراوان از رفتار آشوبگونه نرونها و رفتار جمعی آنها، انگیزه گسترش شبکه هائی بر مبنای پویائی آشوب شده است . این شبکه ها تحت عنوان "شبکه های عصبی آشوبگونه" مطرح شده اند. از آن جمله، مدلی غیرتعادلی است که از آزمایشاتی روی آکسون مرکب ماهی نتیجه شده است . پیچیدگی فضا-زمانی این مدل ها توسط پویائی هر نرون تولید می شود، در این راستا، سیستمهای حافظه انجمنی، بر اساس پویایی غیرتعادلی عمدتا با قانون یادگیری همبستگی هب و با اتصالات نامتقارن پیشنهاد شده اند. از جمله این سیستم های حافظه انجمنی، مدلی بر مبنای عناصر آشوبگونه لاجستیک است . از جمله دیگر روشها، برای رفع محدودیتهای ذکر شده در شبکه عصبی کلاسیک ، استفاده از پویائی غیرلیبشیتزی در گسترش شبکه های عصبی است .

هنگامیکه شخصی تصمیم به انجام یک عمل ارادی اعم از فیزیکی یا فکری می گیرد، از لحظه اراده عمل تا هنگام اجرای آن پتانسیل های برانگیخته ای بر روی قشر مغز پدیدار می شود. هر عملی، پتانسیلهای برانگیخته مربوط به خود را دارا است . در مورد حرکات ارادی، این پتانسیل ها را پتانسیل های حرکتی می نامند. این پتانسیلها توسط ناحیه تکمیلی حرکت قشر مغز تولید شده شامل اطلاعاتی در مورد حرکت هستند. هدف ما در این تحقیق، تحلیل و بررسی سیگنالهای مغزی ناشی از حرکت دست شامل سه حرکت بستن، باز کردن و عدم حرکت پنجه و سپس طبقه بندی این سیگنالها است . یک روش کلی جهت آشکار کردن تغییرات سیگنال مغزی انسان در هنگام انجام حرکات ارادی، پردازش سیگنالهای الکتریکی مغزی به منظور آشکار کردن تغییرات سیگنال است . بر این اساس ، تعیین مشخصات مناسبی از این سیگنال eeg، که با انجام عمل ارادی می توان تغییراتی را در آنها مشاهده نمود، مورد نیاز است . ما در این تحقیق با استفاده از آنالیزهای زمانی شامل محاسبه متوسط قدرمطلق دامنه و پراش سیگنال و همچنین آنالیزهای فرکانسی شامل محاسبه طیف توان و نسبت توان باند فرکانسی بتا به توان باند فرکانسی آلفا دریافتیم که منابع مولد سیگنالهای حرکتی مربوط به بستن و باز کردن پنجه دست ، کانالهای f3 و fz بر روی قشر مغز هستند. با استفاده از دو دسته ویژگی، یک دسته شامل ویژگیهای حاصل از آنالیز زمانی و فرکانسی و دسته دوم شامل پارامترهای حاصل از آنالیز مدل ar سیگنال مغزی می توان تغییرات به وجود آمده در هنگام حرکات ارادی پنجه دست را آشکار نمود. در این تحقیق از دو روش آماری و شبکه های عصبی به منظور طبقه بندی ویژگیهای سیگنالهای حرکتی استفاده شده است . نتایج حاصل از طبقه بندی نشان می دهد که روش های شبکه عصبی نبست به روش های آماری توانایی بیشتری در جداسازی کلاسهای حرکتی دارند. همچنین با بکارگیری یک روش جدید در یادگیری الگوهای گروهی، نشان داده می شود که این نحوه آموزش نیز می تواند توانایی شبکه را در طبقه بندی صحیح، بالا ببرد. در این پایان نامه، ابتدا تحقیقات انجام شده توسط محققین پیشین در زمینه های مختلف استفاده از سیگنالهای مغزی اعم از کلینیکی، کنترل حرکت ، ارتباط انسان و ماشین، فرآیندهای شناخت و غیره مورد بررسی قرار می گیرد. سپس در فصل دوم ماهیت سیگنالهای مغزی، سیستم اخذ داده و بعضی کاربردهای سیگنال مغزی بررسی می شود. در فصل سوم به توضیح پتانسیلهای حرکتی و شناخت محلهای مولد سیگنالهای حرکتی ناشی از حرکت دست می پردازیم. در ادامه و در فصل چهارم با استفاده از روشهای مختلف آنالیز زمانی و فرکانسی، منابع مولد پتانسیلهای حرکتی ناشی از حرکت دست بر روی قشر مغز را یافته و در فصل پنجم ویژگیهای سیگنال الکتروانسفالوگرام در هنگام انجام حرکات ارادی را با استفاده از روشهای مختلف از کانالهای مورد نظر بدست می آوریم. در فصل های ششم و هفتم به ترتیب به روش های آماری و شبکه عصبی جهت طبقه بندی سیگنالهای مغزی، ارائه می شود. در پایان و در فصل هشتم، نتایج بدست آمده از این طبقه بندیها مقایسه می شوند و بر این اساس نتایج کلی حاصل از این تحقیق مورد بحث و بررسی قرار گرفته و پیشنهاداتی در جهت بهبود ادامه کار آورده می شود.

هدف اصلی این پروژه، طراحی یک سیستم تحریک کننده است، که بتوان از آن برای حرکت های ایستادن و گام برداشتن در افراد فلج استفاده کرد، حداقل 8 کانال مستقل تحریک کننده لازم است. میزان انقباض در عضله فلج به دو روش کنترل می شود، یکی فرکانس پتانسیل عمل و دیگری تعداد واحدهای حرکتی یک عضله. در تحریک الکتریکی، میتوان بوسیله عرض یا دامنه پالس تعداد واحدهای حرکتی را کنترل کرد و بوسیله فرکانس سیگنال میتوان فرکانس پتانسیل عمل را کنترل کرد، لذا طراحی سیستمی که قادر به تولید پالس ها با قابلیت تغییر پارامترهای آن از اهداف این پروژه است. سیستم ‏‎fns‎‏ طراحی شده در این پروژه مبتنی بر کنترل کامپیوتری است. برای تحریک الکتریکی از دو نوع استفاده می شود: مولد جریانی و ولتاژی. کنترل انقباض درمولدهای جریانی بیشتر از ولتاژی است، لذا در این پروژه، از مولد جریانی برای تحریک عضله فلج استفاده شده است. سیستم ‏‎fes‎‏ طراحی شده، بر روی فردی با ضایعه نخاعی در سطح ‏‎t7‎‏ و با سن 27 سال که چهار سال از زمان ایجاد ضایعه در این فرد می گذرد، بررسی شده است. در شروع تمرینات عضلات قادر به انقباض نبودند. پس از 10 جلسه تمرین (هفته ای یک جلسه و هر جلسه 30 دقیقه)، عضلات ران پا با انقباضات خود قادر به باز کردن کامل زانو شدند. با طراحی الگوهای مناسب تحریک امکان رکاب زدن و ایستادن برای شخص فراهم شده است.

هدف از انجام این پروژه طراحی و ساخت یک سیستم تحریک الکتریکی کارکردی قابل حمل با کنترل ریزپردازنده ای است. در تحریک الکتریکی کارکری، انقباض عضلات قلج بوسیله تحریک الکتریکی انجام می شود. با استفاده از پارامترهای سیگنال تحریک می توان میزان انقباض عضله را کنترل کرد. سیستم عصبی مرکزی با دو روش میزان انقباض عضلانی را کنترل می کند: (1) تعداد واحدهای حرکتی، (2) میزان فرکانس عمل واحدهای حرکتی، در تحریک الکتریکی می توان تعداد واحدهای حرکتی را با رعض پالس تحریک و فرکانس عمل را می توان بوسیله فرکانس سیگنال تحریک کنترل کرد. لذا طراحی سیستمی که قابلیت تغییر پارامترهای سیگنال تحریک را دارا باشد از اهداف مهم این پروژه می باشد. برای تحریک عضله میتوان از دو نوع محرک استفاده کرد: جریانی با ولتاژی اگر چه قابلیت کنترل انقباض عضله در محرک جریانی نسب به محرک ولتاژی بیشتر است اما احتمال سوختگی بافت در محرک جریانی زیادتر است. لذا در این پروژه از محک های ولتاژی جهت تحریک عضلات استفاده شده است. یکی از پارامترهای مهم سیستم تحریک الکتریکی ساده بودن نحوه کار با آن می باشد بطوریکه بتوان به سادگی الگوهای تحریک را طراحی و تغییر داد. این از معیارهای دیگری است که در طراحی این سیستم در این پروژه در نظر گرفته شده است. در سیستم طراحی شده براحتی می توان الگوهای حرکت را بوسیله کامپیوتر طراحی و به سیستم منتقل کرد. علاوه بر این سیستم دارای یک نمایشگر ‏‎lcd‎‏ و یک صفحه کلید است که امکان ارتباط کاربر را با سیستم فراهم می کند. با استفاده از این صفحه کلید می توان دستور تحریک، توقف، استادن، گام برداشتن، دستور نشستن و تمرین صادر کرد و پارامترهای سیگنال تحریک را تغییر داد. سیستم دایما ولتاژهای تحریک و تغذیه مدار را مورد بازبینی و در صورت افت ولتاژ تغذیه مدار با صدور هشدارهای صوتی و نوری وضعیت را به کاربر اطلاع می دهد. مشخصات کلی سیستم به شرح زیر است:ولتاژهای تغذیه مدار: مدارات کنترلی 5 ولت و درایور 12 ولت، جریان مصرفی کنترل کننده سیستم: 90 میلی آمپر ‏‎dc‎‏، جریان مصرفی درایور و تریک کننده سیستم: 300 میلی آمپر ‏‎dc‎‏، عرض پالس تحریک: 0 تا 600 میکرو ثانیه با دقت 1 میکروثانیه، فرکانس تحریک: 16 تا 50 هرتز با دت 1 هرتز، دامنه سیگنال تحریک: 0 تا 100 وت با دقت 1 ولت، ابعاد سیستم: 8*10*8/2 سانتی متر، وزن تقریبی سیستم بدون باطری 250 گرم.به منظور ارزیابی سیستم طراحی شده در این پروژه، آزمایشات متعددی بر روی یک فرد ضایعه نخاعی در سطح ‏‎t7‎‏ انجام گرفته است. این فرد ضایعه نخاعی مذکر با سن 27 سال است و از مدت ضایعه وی 4 سال می گذرد. نتایج این بررسی نشان می دهد که سیستم ‏‎fes‎‏ بخوبی ادر به بازیابی قدرت عضلانی فلج می باشد. این شخص در ابتدای دوره درمان با استفاده از ‏‎fes‎‏ طراحی شده، در این پروژه قادر به هیچگونه عمل حرکتی در اندام تحتانی خود نبوده است، اما پس از سه ماه تمرین، هفته ای یک جلسه و هر جلسه نیم ساعت قادر به عمل رکاب زدن و باز کردن کامل زانوی دو پای فلج خود شده است.