رونوشت حرکات دست در زمان واقعی
ترجمه نشده

رونوشت حرکات دست در زمان واقعی

عنوان فارسی مقاله: رونوشت حرکات دست در زمان واقعی با استفاده از سیگنال های الکترومیوگرافی (EMG) سطحی
عنوان انگلیسی مقاله: Real-Time Replication of Arm Movements Using Surface EMG Signals
مجله/کنفرانس: علوم کامپیوتر پروسیدیا – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: معماری سیستم های کامپیوتری
کلمات کلیدی فارسی: الکترومیوگرام، حرکت مچ دست، حرکت آرنج، ماشین برداری پشتیبانی (SVM)، ماشین برداری مربوط (RVM)
کلمات کلیدی انگلیسی: Electromyogram; Wrist movement; Elbow movement; SVM; RVM
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.028
دانشگاه: Department of Electronics and Communication Engg, PES UNIVERSITY, Bengaluru-85, India
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2018
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12294
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Methodology


3-Experimental Outcome


4-Conclusion


5-Acknowledgement


References

نمونه متن انگلیسی مقاله

Abstract


In this paper, a real time application to replicate nine arm movements is proposed. The two important joints that are controlled are wrist and elbow. Electromyogram signals are recorded for four wrist positions and five elbow positions. These signals are enhanced and features pertaining to muscle movements are extracted. Dimension of these feature sets is reduced to obtain the optimal set of features. These feature sets are given as input to the classifier. Performance evaluation of Support Vector Machine (SVM), K-Nearest Neighbors, Random Forest and Relevant Vector Machine (RVM) classifiers, in recognizing different wrist and elbow positions, is discussed. As per the results, the best overall accuracy of 93.3% was obtained from SVM with radial basis function (RBF) kernel, in classifying both the wrist and elbow positions. Although, RVM as a classifier yielded the same accuracy in recognizing wrist positions, it resulted in the lowest accuracy of 88.67% in recognizing elbow positions. Therefore, SVM-RBF fared better in identifying the arm movements. Furthermore, these arm movements are used to control the actuators.


Introduction


The muscle attached to the bone is called the skeletal muscle. The contraction of this muscle is responsible for the movement of the limbs. This contraction leads to the generation of an electrical signal called electromyography (EMG) signal. Multiple strands called myofibrils present in the muscle are chemically activated by neurons which leads to the generation of charge whose motion in turn produces electromagnetic field. In a motor unit all the action potentials generated by myofibrils are combined together and hence this is termed as motor unit action potential (MUAP). Surface EMG electrodes collect several such MUAPs for each skeletal muscle. The physiology of the signal depends on the arm movement that led to its generation. This unique identity of each signal can be used to replicate specific arm movements in an orthotic arm using actuators.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

رونوشت حرکات دست در زمان واقعی
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها