文献

J-GLOBAL ID：201802214111818873   整理番号：18A1578977

表面筋電図に基づく筋疲労状態分類システム【JST・京大機械翻訳】

Muscle fatigue state classification system based on surface electromyography signal

著者 (5件)： Cao Ang (武漢大学電子信息学院,武漢,430072) ,  Zhang Shenjia (武漢大学電子信息学院,武漢,430072) ,  Liu Rui (武漢大学電子信息学院,武漢,430072) ,  Zou Lian (武漢大学電子信息学院,武漢,430072) ,  Fan Cien (武漢大学電子信息学院,武漢,430072)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 38  号： 6  ページ： 1801-1808  発行年： 2018年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 筋肉疲労状態の正確な検出分類を実現するために、人体表面筋電図(sEMG)信号に基づく筋肉疲労分類と検出システムを提案した。まず、AgCl表面パッチ電極と高精度アナログフロントエンドADS1299により人体sEMG信号を収集し、ウェーブレットノイズ除去などの前処理を行った後、人体筋肉疲労状態を反映するsEMG信号の時間領域と周波数領域の特徴を抽出した。次に,積分筋電図(IEMG),二乗平均平方根(RMS),中間周波数(MF)および平均電力周波数(MPF)に基づいて,人体筋肉疲労状態をより詳細に描くために,sEMG信号の周波数領域特性バンドスペクトルエントロピー(BSE)を導入した。Fourier変換による非定常信号の欠陥を埋めるために,経験的モード分解-Hilbert変換(EEMD-HT)に基づくsEMG信号の時間-周波数特性の平均瞬時周波数を導入した。最後に、筋肉の非疲労と疲労状態分類の精度を高めるため、突然変異を含む粒子群最適化アルゴリズムを用いて、サポートベクターマシン(PSO-SVM)を最適化し、sEMGを分類し、人体筋肉疲労状態の検出を実現した。15名の健康な男性青年のsEMG信号収集実験を行い、sEMG信号ライブラリを構築し、特徴を抽出し、分類実験を行った。実験結果は,提案したシステムが高精度sEMG信号収集と筋肉疲労度の高精度分類ができ,分類精度が90%以上であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 周波数特性 ,  突然変異 ,  最適化 ,  周波数領域 ,  サポートベクトルマシン ,  Fourier変換 ,  実効値 ,  前処理 ,  波束 ,  雑音低減 ,  *周波数
準シソーラス用語： 分類精度 ,  粒子群最適化 ,  時間領域 ,  高精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： surface ElectroMyoGraphy (sEMG) signal ,  muscle fatigue ,  Band Spectral Entropy (BSE) ,  Particle Swarm Optimization (PSO) algorithm ,  Support Vector Machine (SVM)

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 表面筋電図 ,  筋疲労 ,  分類