ارزیابی طبقه بندی کننده های LDA و LS-SVM برای تفکیک ۵۲ حرکت و وضعیت دست برای کاربرد در پروتزهای مبتنی بر فعالیت الکتریکی عضلات

طبقه بندی حرکت های اعضای دیستال با استفاده­از سیگنال های الکترومایوگرام سطحی (sEMG) قسمت پروکسیمال، بخش مهمی در کنترل پروتزهای مایوالکتریک است. در بیش­تر مطالعات قبلی، طبقه بندی تعداد محدودی از حرکت های دست، مورد بررسی قرار گرفته­است. در این مقاله، از پایگاه داده ی NINAPROکه شامل داده های کینماتیک و sEMGفرد سالم برای ۵۲ حرکت انگشت، پنجه و مچ دست است استفاده شد. عملکرد طبقه بندی کننده های LDAو LS-SVMبا کرنل RBF، به ازای ترکیب های مختلف ویژگی ها بررسی شد. ابتدا با پنجره گذاری به دو شیوه ی مختلف، بخش اصلی سیگنال جدا شد و هشت ویژگی زمانی مختلف (MAV، IAV، RMS، WL، E، ER۱، ER۲، CC) از آن استخراج گردید. سپس، عملکرد هریک از طبقه بندی کننده ها با هرکدام از این ویژگی ها و ترکیب های دوتایی و چندتایی آن ها بررسی شد. برای طبقه بندی کننده ی LDA بهترین میانگین دقت طبقه بندی، با شیوه ی پنجره گذاری به روش اول و ترکیب ویژگی های MAV (or IAV)+CC، ۲۳/۸۴ درصد محاسبه شد. این دقت برای طبقه بندی کننده ی LS-SVMبا شیوه ی پنجره گذاری به روش دوم و ویژگی های IAV+MAV+RMS+WL، به ۱۹/۸۵ درصد رسید.

کلیدواژه ها:

استخراج فرمان های حرکتی ، پروتز دست ، سیگنال الکترومایوگرام سطحی ، طبقه بندی کنندها ی LDA و LS-SVM