你的位置:首页 >> 产品展示 >> 薄膜压力测试系统 >> 表面肌电量测系统  表面肌电量测系统
肌电图信号生物学
来源:delsys表面肌电脑电分析系统_EMG_EEG_人因工程 | 发布时间:2022/10/24 20:19:55 | 浏览次数:

2 K最近的邻居

3.3支持向量机9

3.4高斯分类器11

3.5硬件12

3.6软件12

3.7双极设置13

3.8电极放置13

4实验15

4.1特点…………15

4.2寻找肌肉位置…………15

4.3前臂设置…………19

4.4结果23

4.5讨论29

5结论和未来工作32

参考文献33

图和表

图表列表

1.1机械驱动的开源3D打印假手。2.

2.1神经元的组织[1]。3.

2.2动作电位:2.2a表示静息电位的方向。轴突内部带电

负的,因此内轴突和外轴突之间的电压−70毫伏。2.2b说明了

轴突内动作电位的传递。(图形必须从上到下解释)(

从左到右传输)2.2c说明了电流电势

在时间上。VS=阈值,VRP=静息电位[1]动作电位过程。4.

2.3传递神经元释放神经递质以触发接收神经元中的动作电位。

[1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2.4骨骼肌的组织[1]。5.

2.5肌电信号是电机单元动作电位的组成[2]。6.

2.6两种不同的测量程序。6.

2.7肌肉收缩的原始肌电图信号[3]。6.

3.1此图说明了如何使用高斯函数近似原始信号。9

3.2该图说明了将两个类加(+)和减(-)分开的超平面。这是一个

例如二维情况。圈出的数据点是支持向量[4]。超平面

由w描述⊤x+b=0,边距宽度d=2m

||w||…………10

3.3 32位OpenBCI板[5]。12

3.4设置14

4.1前臂肌肉的解剖学[6]。17

4.2前臂顶部…………18

4.3实验期间测量并分类了四种不同的手部运动。最下面一行

显示了相关的机器人运动。19

4.4此图显示了不同的处理和分类组合。12条路径中的每一条都是一条

结合体每个信号由截止频率为45Hz和50Hz的阻带滤波。KNN有

已申请K∈ {1, 2, 4,8}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.5此图显示了未乘以权重的(x)函数。x轴表示数字

y轴表示电压,单位为μV。(x)的数目为d=20。每个(x)是高斯

分布,2=0.05。期望值均匀分布在x轴上。20

4.6该图将原始肌电信号与拟合曲线w进行比较⊤(x)21

4.7不同的噪音水平取决于位置。22

4.8此图显示了前臂设置的原始测量值。这些行代表了

升序(见图4.2)。列按字母顺序表示移动(请参见

图4.3)。每个图表都显示了取决于样本的电压。样品数量为750

采样率为250Hz,持续时间为3秒。注:每种颜色代表一次试验。24

4.9此图显示了前臂设置的带通滤波测量。这些行表示

肌肉按升序排列(见图4.2)。这些列按字母顺序表示移动

(见图4.3)。每个图表都显示了取决于样本的电压。样品数量为750

采样率为250Hz,持续时间为3秒。注:每种颜色代表一次试验。

带通滤波器截止频率:0.2Hz和124Hz…………25

4.10此图说明了前臂设置的带通滤波测量。这些行表示

肌肉按升序排列(见图4.2)。这些列按字母顺序表示移动

(见图4.3)。每个图表都显示了取决于样本的电压。样品数量为750

采样率为250Hz,持续时间为3秒。注:每种颜色代表一次试验。

带通滤波器截止频率:10Hz和124Hz…………26

4.11此图说明了前臂设置的带通滤波和RMS测量。行

以升序表示肌肉(见图4.2)。这些列表示

按字母顺序排列(见图4.3)。每个图表都显示了取决于样本的电压。这个

采样数为750,采样率为250Hz,持续时间为3秒。注:每个

颜色代表试验。带通滤波器的截止频率:10Hz和124Hz。窗口长度

均方根:30…………27

4.12本图说明了使用两个预处理步骤的不同分类器的精确度

带通和带通+权重空间。滤波器参数:0.2Hz,124Hz。28

4.13本图说明了使用两个预处理步骤的不同分类器的精确度

带通和带通+权重空间。滤波器参数:10Hz、124Hz。28

4.14本图说明了预处理步骤和分类器训练的流程。29

4.15带通上的SVM、GC、KNN(K=1)、KNNN(K=2)、K1(K=4)和KNN的混淆矩阵

过滤+RMS数据集。预处理=预测类,act.=实际等级…………..30

4.16具有RMS的SVM、KNN和GC的精度。31

4.17本图说明了最终预处理步骤。SVM、KNN(K=1)和KNN

被确定为最佳分类器。31

表格列表

3.1本表说明了一条消息的数据格式。字节1是起始字节,字节33是停止字节。这个

字节3-26是

 
TAG:
打印本页 || 关闭窗口
 上一篇:Oz电极将监测你的阿尔法波信号
 下一篇:通过EMG测量驱动的假肢智能和自适应控制