طبقه بندی حرکات دست استخراج شده از سیگنال الکترومایوگرافی با استفاده از مدل آمیخته گوسی

سیگنال های الکترومایوگرافی در کنار کاربردهای متعدد خود می توانند در کنترل پروتز های الکتریکی دست استفاده شوند. در این مطالعه به پردازش سیگنال الکترومایوگرافی در راستای کنترل دست مصنوعی بر اساس مدل آمیخته گوسی پرداخته شده است . در این روش با اخذ داده های الکترومایوگرافی از ساعد در۶ نفر مذکر با محدوده سنی ۴±۲۵ سال ومحدوده وزنی ۶±۸۱ داده گیری صورت گرفت . داده ها پس از فیلتر شدن و پنجره گذاری بر مبنای ویژگی های دامنه و فرکانسی استخراج ویژگی شدند. سپس مدل آمیخته گوسی به منظور طبقه بندی این داده ها به کار گرفته شد. نتایج بدست آمده صحت طبقه بندی ۱۰۰ درصدی را برای سه کلاس مذکور نشان می دهد همچنین شبکه عصبی مصنوعی صحت ۱۲,۹۸ درصدی را برای طبقه بندی داده ها نشان داد. به نظر می رسد ساختارهای پروتز مایوالکتریک در حال حاضر فضای فعالیت بیشتری را داشته و استفاده از نتایج این پژوهش مستلزم به کارگیری چندین سیگنال مختلف به صورت ترکیب با یکدیگر به منظور استفاده از این نتایج در صنعت پروتز ها است .

کلیدواژه ها:

الکترومایوگرافی ، پردازش سیگنال ، مدل آمیخته گوسی ، شبکه عصبی مصنوعی .