مروری بر روشهای طبقه بندی و استخراج ویژگی حرکات دست و انگشتان با استفاده از سیگنالهای EMG

الکترومیوگرافی ۱(EMG) یک روش تحلیلی پرکاربرد است که وضعیت سلامت ماهیچه ها یا سلولهای عصبی را با نظارت بر تکانه هایالکتریکی آنها، نشان میکند. با این حال، نسبت سیگنال به نویز ضعیف را علاوه بر اعوجاجهای گاهبهگاه سیگنال به همراه دارد که به طور قابل توجهی کارایی این تکنیک را به چالش میکشد. بنابراین، از زمان ظهور این فناوری، محققان متعددی مطالعه خود را به بهبود کیفیت سیگنال با کاهش نویز ذاتی و ارائه طبقهبندی خودکار آن اختصاص دادهاند. در کار حاضر، نویسندگان مروری بر تحقیقات مختلف موجود در زمینه طبقه بندی سیگنالهای الکترومیوگرافی با تکنیکهای مختلف پیشرفته ارائه کردهاند. یک بررسی جامع در حین بحث در مورد تکنیک های تحلیل سیگنال EMG که شامل حوزه های مختلف همراه با عملکرد آنها میشود، ارائه شده است. در این فرآیند، تحقیقاتی که بعد از سال ۲۰۱۵ در منابع معتبر مختلف مانند Elsevier، PubMed، Springer، IEEE و سایر مقالات و گزارشهایی که تحت پوشش Web of Science و Google Scholar هستند، مورد تجزیه و تحلیل قرار میگیرد. این بررسی مناسب بودن تکنیکهای مختلف موجود برای توانمندسازی بخش مراقبتهای بهداشتی را بر اساس تفسیر سیگنالهای EMG بررسی کرد. مقایسه دقیق روشهای الهام گرفته از طبیعتبرای تقسیم بندی نیز در حین مقایسه دقت نشان داده شده آنها دخیل است. علاوه بر این، حوزه زمان نیز در مقایسه با حوزه فرکانس برای ارزیابی سیگنال ارجحتر است. نویسندگان سعی کردند درک عالی و تکامل تکنیکهای طبقه بندی سیگنال EMG موجود را تاثیرگذار،کارآمدتر و انعطاف پذیرتر در آینده ارائه دهند.

کلیدواژه ها:

حرکات انگشتان ، حرکات دست ، انتخاب ویژگی ، طبقه بندی ، الکترومیوگرافی.