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

یکی از روش های استخراج فرمانهای حرکتی برای کنترل پروتزهای فعال دست، استفاده از سیگنال های بیولوژیکی است. سیگنال الکترومایوگرام سطحی (sEMG) یکی از این سیگنال ها است که اغلب برای کنترل پروتز دست به کار می رود. در این روش فرمانهای حرکتی با استفاده از الگوریتم مبتنی بر تشخیص الگو از سیگنال های مایوالکتریک ثبت شده از عضله استخراج گردیده و از آنها برای کنترل پروتز استفاده می شود. 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 پایا نامه از پایگاه داده شامل داده های sEMG پنج فرد سالم برای 6 حرکت دست که با استفاده از 2 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 کاهش یافت. نتایج نشان داد که میانگین دقت طبقه بندی با شبکه پرسپترون چند لایه از طریق همه ی ویژگی هاس استخراج شده 82.77% و از طریق 96.77PCA% 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