文献

J-GLOBAL ID：201702223088535626   整理番号：17A1392412

状態空間モデルを用いたsEMGからヒト多関節角の連続推定【Powered by NICT】

Continuous Estimation of Human Multi-Joint Angles From sEMG Using a State-Space Model

著者 (3件)： Ding Qichuan (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Han Jianda (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Zhao Xingang (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 25  号： 9  ページ： 1518-1528  発行年： 2017年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  資料種別： 逐次刊行物 (A)
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： 関節相対筋肉間の結合のために,多チャネルsEMG信号からの連続多関節運動を正確に推定する課題である。伝統的なアプローチは常に入力としてsEMGを用いて多関節運動変数を予測するために,人工ニューラルネットワークのような非線形回帰モデルを構築した。しかし,冗長sEMGデータを区別とは限らない予測誤差もオンライン評価し,補正することができない。本研究では,非冗長と冗長サブベクトルに含むsEMGベクトル冗長性のセグメンテーションを行うために提案した相関に基づく冗長セグメンテーション法。入力と冗長一つとして非冗長サブベクトルに関する測定出力として運動モデルを構築するために開発した一般的状態空間フレームワーク。構築状態空間運動モデルを用いて,すなわち,無香料Kalmanフィルタ(UKF),閉ループ予測 修正アルゴリズムはsEMG,冗長sEMGデータはモデルの不確実性を排除するために使用されているが多関節角を推定するために用いることができる。冗長性を採用して,完全にた後,提案した方法は正確でスムーズな推定結果を提供することができる。上肢の多関節運動を行った包括的実験。本法によって得られた推定の最大RMSEは0.16±0.03であり,一般的なニューラルネットワークにより得られた0.25±0.06および0.27±0.07(p<0.05)よりも有意に小さかった。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： 冗長性 ,  予測誤差 ,  上肢 ,  セグメンテーション ,  予測 ,  *ヒト ,  ニューラルネットワーク ,  アルゴリズム ,  ベクトル
準シソーラス用語： 拡張Kalmanフィルタ ,  *状態空間 ,  運動モデル ,  関節運動 ,  *多関節 ,  *状態空間モデル , 【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 (4件)： 状態空間モデル ,  ヒト ,  多関節 ,  推定