ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Detection Of Shank Movement Based On Empirical Mode Decomposition of EMG Signal and Hidden Markov Model

سال انتشار: 1398
کد COI مقاله: ICBME26_006
زبان مقاله: انگلیسیمشاهد این مقاله: 189
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Detection Of Shank Movement Based On Empirical Mode Decomposition of EMG Signal and Hidden Markov Model

Fatemeh Roustaei - Faculty of Electrical and Biomedical EngineeringMashhad Branch, Islamic Azad University Mashhad, Iran
Ehsan Tahami - Mashhad Branch, Islamic Azad University Mashhad, Iran

چکیده مقاله:

Exoskeletons are tools for helping specific patients with spinal cord injury, elderly people and even ordinary people. The most important issue in designing these tools is the ability to determine the motor behavior and body position of the person who is using them accurately. In this paper, we have tried to detect the lower body position in semi-sitting mode and standing mode using the electromyogram signal processing in the time-frequency domain and the use of empirical mode decomposition techniques (EMD) as well as using the Hidden Markov Model. Contrary to conventional methods in choosing the Baum-Welch algorithm to determine the parameters of Hidden Markov Model, in this paper we used Genetic Algorithm to estimate the optimal model parameters. In this paper, 5 subjects were used in the age range of 25 years, all of them were right-handed and had complete behavioral and motor health. Feature vectors from three subjects for training and extracted features vectors from two other subjects for testing were blindly given to the estimator model. The results showed that the proposed method with an accuracy of 92% compared to other studies has more accuracy and also less computation compared to other studies.

کلیدواژه ها:

determining lower body position; empirical decomposition mode; genetic algorithm; hidden Markov model; muscle electromyogram

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1011496/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Roustaei, Fatemeh and Tahami, Ehsan,1398,Detection Of Shank Movement Based On Empirical Mode Decomposition of EMG Signal and Hidden Markov Model,بیست و ششمین کنفرانس ملی و چهارمین کنفرانس بین المللی مهندسی‌ زیست پزشکی ایران,تهران,,,https://civilica.com/doc/1011496

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Roustaei, Fatemeh؛ Ehsan Tahami)
برای بار دوم به بعد: (1398, Roustaei؛ Tahami)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 9,292
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی