文献

J-GLOBAL ID：201802257240616088   整理番号：18A0443530

表面筋電図信号とその応用手活性分類のための適切なARモデリング【Powered by NICT】

Appropriate AR modeling for surface electromyogram signals and its application in hand activity classification

著者 (1件)： Gupta Rinki (Electronics and Communication Engineering Department, Amity University Noida, Uttar Pradesh-201313, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IC3TSN  ページ： 276-280  発行年： 2017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)は,ヒューマン・マシン・インタフェース,福祉技術とヘルスモニタリングにおける広範囲の応用を見出している。簡単な自己回帰(AR)モデルは,信号スペクトルの形状を記述するために使用されるかもしれない。,主な関心は,ARモデルの残差信号はパラメータ化された方法である。sEMG信号はAR残差信号異分散で生じる不均一分散を示すことがごく最近示されている。本論文では,目的は,手活動のsEMGベース分類に異なる残留信号モデルと異なる次数ARモデルを用いることの効果を調べることである。ARモデル次数の妥当性は,それらが提供する精度の点で分類のためのARと残差モデルパラメータを試験併用によって決定されるべきであることを実証した。残差信号から抽出した特徴と共に使用した場合にはARモデル次数を決定するための独立統計的検定は,このモデルが提供する精度に対応しない可能性がある。さらに,使用した信号モデルの妥当性を決定するために,多くの特徴を試験が特徴選択が必須である。Copyright 2018 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： 特徴選択 ,  *モデリング ,  社会福祉 ,  パラメタリゼーション ,  スペクトル ,  マンマシンインタフェイス ,  自己回帰モデル ,  残差
準シソーラス用語： 統計的検定 ,  モデルパラメータ ,  次数 ,  信号モデル ,  自己回帰 ,  ヘルスモニタリング ,  *表面筋電図 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 表面筋電図 ,  応用 ,  活性 ,  分類 ,  Ar ,  モデリング