چکیده مقاله
این پژوهش به طبقه بندی بلادرنگ حرکات دست با استفاده از سیگنال الکترومایوگرافی EMG تک کاناله می پردازد هدف مطالعه توسعه روشی با دقت بالا و پیچیدگی محاسباتی کم برای داده های EMG است سیگنال ها از پنج فرد سالم مرد ۲۲ تا ۳۰ سال برای چهار حرکت مشت کردن، فشردن انگشتان شست و سبابه، چنگ زدن، و باز کردن پنج انگشت ثبت شد داده ها با نرخ نمونه برداری ۱۰۰۰ هرتز و فیلتر میان گذر باتروث ۲۰ ۴۵۰ هرتز پیش پردازش شدند ۱۵ ویژگی زمانی و فرکانسی استخراج و با استفاده از تحلیل مولفه های اصلی PCA کاهش ابعاد یافتند دو الگوریتم یادگیری، ماشین شبکه پرسپترون چندلایه MLP و درخت تصمیم DT ، برای طبقه بندی استفاده شدند نتایج نشان داد که مدل DT با دقت ۹۷% عملکرد بهتری نسبت به MLP با دقت ۹۱% داشت این مطالعه نشان دهنده امکان دستیابی به دقت بالا در طبقه بندی حرکات دست با استفاده از EMG تک کاناله است با این حال، تعداد محدود شرکت کنندگان و تنوع پایین حرکات از محدودیت های این پژوهش است و در آینده از داده های بیشتر و الگوریتم های یادگیری عمیق برای بهبود عملکرد استفاده خواهد شد
کلیدواژهها
نویسندگان
سید محمدرضا مدنی
دانشکده برق پزشکی دانشگاه علم و صنعت ایران تهران
بابک رضایی افشار
دانشکده برق پزشکی دانشگاه علم و صنعت ایران تهران
شیوه ارجاع
مدنی، سید محمدرضا و رضایی افشار، بابک،1404،طبقه بندی بلادرنگ حرکات دست از طریق سیگنال الکترومایوگرافی تک کاناله،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر
ارائهشده در
همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران