文献

J-GLOBAL ID：202102259294821158   整理番号：21A3387648

表面筋電図信号を用いた経験的モード分解とk最近傍エントロピー推定器を用いた下肢運動の認識【JST・京大機械翻訳】

Recognition of lower limb movements using empirical mode decomposition and k-nearest neighbor entropy estimator with surface electromyogram signals

著者 (8件)： Wei Chunfeng (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Wang Hong (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Lu Yanzheng (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Hu Fo (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Feng Naishi (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Zhou Bin (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Jiang Daqi (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Wang Zhen (Department of Mechanical Engineering and Automation, Northeastern University, Shenyang, China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 71  号： PB  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 下肢運動認識は,高齢者,弱い,障害者の日常治療に重要である。表面筋電図(sEMG)シグナルは,人間の動きの意図を反映し,下肢運動認識の源として使用できる。しかしながら,sEMGシグナルは,電極置換,筋肉構造の違いおよび筋収縮強度により,低い安定性を示した。sEMG信号からの特徴の効果的な抽出は,sEMG信号に基づく下肢運動認識に関する研究における困難な問題と考えられている。本研究では,経験的モード分解(EMD)とk-最近傍エントロピー(KNN-En)推定器に基づく下肢運動認識の新しい方法を提案した。最初に,20人の被験者からの4つの下肢運動のsEMG信号を7つのウェアラブルsEMG信号センサで記録し,sEMG信号をマルチスケール主成分分析(MSPCA)を通して雑音除去した。次に,sEMG信号をEMDによって多重固有モード関数(IMF)に分解して,KNN-En推定器特徴をIMFから抽出した。次に,KNN-En推定器特徴を,3つの特徴投影技術,すなわち主成分分析(PCA),等尺写像(Isomap),および拡散マッピング(DM)によって低次元空間に投影した。最後に,4つの下肢運動を,3つの機械学習分類器,すなわち,サポートベクトルマシン(SVM),k-最近傍(KNN),およびバギングによって認識した。実験結果は,SVM分類装置とDM方式の組合せが,優れた認識性能と99.63%の精度を示し,それによって,下肢運動認識における提案方法の実現可能性を証明した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エントロピー ,  写像 ,  多重化 ,  筋収縮 ,  主成分分析 ,  機械学習 ,  雑音除去 ,  サポートベクトルマシン
準シソーラス用語： 被験者 ,  マルチスケール ,  *表面筋電図 ,  ウェアラブル ,  低次元 ,  *経験的モード分解 ,  固有モード関数 , 【Automatic Indexing@JST】

著者キーワード (5件)： 表面筋電図 ,  経験的モード分解 ,  k最近傍エントロピー推定量 ,  機械学習 ,  下肢運動認識

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 表面筋電図 ,  経験的モード分解 ,  エントロピー推定 ,  下肢運動