文献

J-GLOBAL ID：201702272762297831   整理番号：17A0214595

ARモデル係数推定に基づく指運動パターンの認識システム【Powered by NICT】

Recognition system of finger motion pattern based on AR model coefficient estimation

著者 (5件)： Bai Dianchun (School of Electrical Engineering, Shenyang University of Technology, Shenyang, Liaoning Province, China) ,  Zhang Shouxian (School of Electrical Engineering, Shenyang University of Technology, Shenyang, Liaoning Province, China) ,  Yang Junyou (School of Electrical Engineering, Shenyang University of Technology, Shenyang, Liaoning Province, China) ,  Jiang Yinlai (Department of Mechanical Engineering and Intelligent Systems, The University of Electro-Communications, Chofu, Tokyo, Japan) ,  Yokoi Hiroshi (Department of Mechanical Engineering and Intelligent Systems, The University of Electro-Communications, Chofu, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IEEE ICIA 2016  ページ： 1249-1254  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 表面筋電図(sEMG)信号に基づく指関節角認識システムの新しいタイプを確立した。特に,手指の速度は数sEMGチャンネルを効果的に予測することができた。低速,中速および高速の速度は,それぞれ示指運動中のsEMG信号を収集した。手の速度変化のより正確な推定を獲得した提案した新しい方法。最大負エントロピーに基づく高速独立成分分析(FastICA)アルゴリズムは,測定した信号を予測するために使用し,信号の効率的な運用を分離した。自己回帰(AR)パラメータモデルU-Cアルゴリズムを用いて,特性係数を抽出した。最後に,RBF(動径基底関数)ニューラルネットワークを設計し,入力計算AR特性係数であり,出力は手指運動の三つの異なる速度である。実験データは指数指伸筋(IFE),中指伸筋(MFE),長掌筋(PL)と手根屈筋(FC)を含む健常被験者の四筋肉から収集した。RBF(動径基底関数)ニューラルネットワーク分類器の分類と認識異なる指運動作用として使用し,満足な結果が得られた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 独立成分分析 ,  伸筋 ,  動径基底関数 ,  ニューラルネットワーク ,  指関節 ,  屈筋 ,  高速度 ,  *自己回帰モデル
準シソーラス用語： 中指 ,  手指運動 ,  パラメトリックモデル ,  FastICA ,  人差し指 ,  表面筋電図 ,  *運動パターン , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ARモデル ,  係数 ,  推定 ,  指 ,  運動パターン