طبقه بندی حرکات دست مبتنی بر استخراج ویژگی از سیگنال الکترومایوگرام سطحی

چکیده مقاله

این مطالعه در شش مرحله ی اصلی انجام می شود : مرحله ی اول جمع آوری داده هاست. یک دسته داده از پایگاه NINAPRO دریافت می شود. این پایگاه داده شامل داده های کینماتیک و الکترومایوگرام سطحی با 10 الکترود از عضلات ساعد یک فرد سالم طی انجام 52 حرکت انگشت ، مچ و دست است . مرحله ی دوم پیش پردازش داده های خامی است که در مرحله ی اول گردآوری شده اند. بدین منظور از فیلتر گذاری مناسب حوزه ی فرکانس مبتنی بر تبدیل موجک استفاده می شود تا نویز سیگنال الکترومایوگرام سطحی ثبت شده کاهش یابد. در گام بعدی یعنی گام پردازش حرکت های مشابهی که به صورت تصادفی تکرار شده اند، در کنار یکدیگر قرار گرفته اند تا امکان برچسب گذاری بهینه ی حرکت ها فراهم شود. مرحله ی چهارم استخراج ویژگی از سیگنال تمیز است. مجموعه ای از ویژگی های زمانی، غیرخطی و یا آشوبگونه از سیگنال استخراج می شود. از آن جایی که تعداد الکترودها و ویژگی های استخراج شده زیاد است، از روش کاهش فضای ویژگی مبتنی بر آنالیز مولفه های اصلی استفاده می شود. مجموعه ی ویژگی های استخراج شده به عنوان ورودی ساختار طبقه بندی کننده که مرحله ی ششم این مطالعه را تشکیل می دهد در نظر گرفته می شود. دقت مجموعه ای از طبقه بندی کننده های نزدیک ترین همسایه ، ماشین بردار پشتیبان خطی و غیر خطی ، درخت تصمیم گیری و شبکه عصبی در طبقه بندی ویژگی ها سنجیده می شود و طبقه بندی کننده ی برتر انتخاب می شود. هدف از این کار مقایسه ی طبقه بندی کننده های خطی و غیر خطی در طبقه بندی حرکات با دقت و سرعت است.

دریافت لینک دانلود مقاله