文献

J-GLOBAL ID：202202227561347607   整理番号：22A0957131

振動理論に基づく手の動き分類のための表面筋電図信号のリアルタイムモデリングと特徴抽出法【JST・京大機械翻訳】

Real-time modeling and feature extraction method of surface electromyography signal for hand movement classification based on oscillatory theory

著者 (8件)： Xiao Feiyun (School of Mechanical Engineering, Hefei University of Technology, Hefei 230009, People’s Republic of China) ,  Xiao Feiyun (Intelligent Interconnected Systems Laboratory of Anhui Province, Hefei University of Technology, Hefei 230009, People’s Republic of China) ,  Mu Jingsong (School of Mechanical Engineering, Hefei University of Technology, Hefei 230009, People’s Republic of China) ,  Mu Jingsong (Department of Rehabilitation Medicine, The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China, Anhui Provincial Hospital, Hefei, 230001, People’s Republic of China) ,  Lu Jieping (Department of Neurology, The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei 230009, People’s Republic of China) ,  Dong Guangxu (School of Mechanical Engineering, Hefei University of Technology, Hefei 230009, People’s Republic of China) ,  Wang Yong (School of Mechanical Engineering, Hefei University of Technology, Hefei 230009, People’s Republic of China) ,  Wang Yong (Intelligent Interconnected Systems Laboratory of Anhui Province, Hefei University of Technology, Hefei 230009, People’s Republic of China)
資料名： Journal of Neural Engineering  (Journal of Neural Engineering)
巻： 19  号： 2  ページ： 026011 (13pp)  発行年： 2022年 
JST資料番号： W5563A  ISSN： 1741-2560  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 目的.表面筋電図(sEMG)信号モデリングと特徴抽出の研究は,人間の運動意図認識,補綴および外骨格ロボットにおいて重要である。しかしながら,既存の方法は,ポイントツーポイント信号処理法よりむしろ信号分割処理方法を使用し,生理学的機構サポートを欠いている。アプローチ。本研究では,振動理論に基づいて実時間sEMG信号モデリングと分離法を開発した。これに基づき,sEMG信号特徴抽出方式を構築し,そして,アンサンブル学習法を,リアルタイム人間手運動意図認識を達成するために組み合わせた。主な結果。実験結果は,sEMG信号モデリングの平均平方自乗差値が0.3838±0.0591であり,人間の手運動意図認識の平均精度が96.03±1.74%であることを示した。インテル(R)コア(TM)i5-8250U CPU実行Matlab2016Rbによるコンピュータ上で,2秒の実際の持続時間を有するsEMG信号のための実行時間は0.66秒である。意義。いくつかの既存の方法と比較して,提案方法には,より良いモデリング精度,運動意図認識精度,およびリアルタイム性能がある。本研究で開発した方法は,手の動き分類のためのsEMGモデリングと特徴抽出に関する新しい展望を提供する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分類 ,  ロボット ,  運動 ,  *信号 ,  信号処理 ,  *特徴抽出 ,  精度 ,  認識 ,  *モデリング ,  *筋電図 ,  外骨格 ,  コンピュータ
準シソーラス用語： アンサンブル学習 ,  実行時間 ,  *表面筋電図 ,  実時間 , 【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 (8件)： 理論 ,  手 ,  動き ,  分類 ,  表面筋電図 ,  リアルタイム ,  モデリング ,  特徴抽出法