基于模糊关系的复合分类系统及其在 EMG 信号识别驱动的仿生手噪声容错控制中的应用
人工智能
2025-09-26 v1 机器学习
摘要
现代类人上肢生物假肢通常使用模式识别方案通过肌电图（EMG）生物信号进行控制。不幸的是，有许多因素源于待分类物体的人类来源以及人机接口，使得难以获得可接受的分类质量。其中一个因素是生物信号极易受到污染，这会显著降低识别系统的分类质量。在本文中，作者提出了一种新的识别系统，用于基于 EMG 的手部假肢控制，并检测受污染的生物信号以减轻污染的负面影响。该系统由两个集合组成：用于评估各通道污染程度的一类分类器（OCC）集合，以及用于识别患者意图的 K 近邻（KNN）分类器集合。对于所有识别系统，开发了一种原始且一致的模糊模型，允许在整个识别过程中使用统一的软（模糊）决策方案。实验评估使用了来自公共存储库的真实生物信号进行。目标是提供对识别系统质量所依赖的开发方法的参数和程序的实验比较分析。此外，将提出的模糊识别系统与文献中描述的类似系统进行了比较。
引用
@article{arxiv.2509.20523,
title = {A Compound Classification System Based on Fuzzy Relations Applied to the Noise-Tolerant Control of a Bionic Hand via EMG Signal Recognition},
author = {Pawel Trajdos and Marek Kurzynski},
journal= {arXiv preprint arXiv:2509.20523},
year = {2025}
}