کنترل پروتز مصنوعی دست با استفاده از سیگنال الکترومایوگرام بر پایه ی تحلیل مولفه های اصلی

یکی از روشهای استخراج فرمانهای حرکتی برای کنترل پروتزهای فعال دست، استفاده از سیگنالهای بیولوژیکی است. سیگنال الکترومایوگرام سطحی((sEMG یکی از این سیگنالها است که اغلب برای کنترل پروتز دست به کار میرود. در این روش فرمانهای حرکتی با استفاده از الگوریتمهایمبتنی بر تشخیص الگو از سیگنالهای مایوالکتریک ثبت شده از عضله استخراج گردیده و از آنها برای کنترل پروتز استفاده میشود. الگوریتم های تشخیص الگو شامل دریافت و گردآوری داده، پیش پردازش، استخراج ویژگی و در نهایت طبقه بندی است. داده های مورد استفاده در این پایاننامه از پایگاه دادگان UCIگرفته شده است. این پایگاه داده شامل داده های sEMG پنج فرد سالم برای ۶حرکت دست که با استفاده از ۲ الکترود ثبت شده است. ابتدا سیگنال گرفته شده از پایگاه داده،به وسیله یک فیلتر میان گذر و ناچ فیلتر حذف نویز شد و سپس از سیگنال تمیز شده هشت ویژگی مختلف (تعداد عبور از صفر سیگنال، میانگین قدر مطلق اندازه ، کشیدگی ، چولگی، واریانس ، میانگین ، انحراف معیار و طول موج) استخراج گردید.سپس با استفاده از تجزیه و تحلیل مولفه های اصلی((PCA ابعاد ویژگی ها کاهش یافت.نتایج نشان داد که میانگین دقت طبقه بندی با شبکه عصبی پرسپترون چند لایه از طریق همه ی ویژگی های استخراج شده %۸۲.۷۷ و از طریق خروجی %۹۶.۷۷ PCA است که نشان دهنده ی عملکرد خوب PCA در طبقه بندی می باشد

کلیدواژه ها:

شبکه های عصبی مصنوعی ، طبقه بندی ، سیگنال الکترومایوگرام ، استخراج ویژگی ، تجزیه مولفه های اصلی