分析窗口与特征选择对基于 EMG 信号的手部动作分类的影响
计算机视觉与模式识别
2020-08-13 v4 信号处理
摘要
肌电图（EMG）信号已成功用于驱动单自由度或双自由度的假肢肢体。该原理利用 EMG 信号的幅值来在一到两种简单动作间进行判别。与机械、电子和机器人端当代进展相比，该方法表现欠佳且缺乏直观性。近来，基于模式识别（PR）的肌电控制研究在机器学习分类器的辅助下展现出 promising 结果。采用称为 EMG-PR 的方法，EMG 信号被划分为分析窗口，并为每个窗口提取特征。这些特征随后作为机器学习分类器的输入。通过提供多类动作与直观控制，该方法有望助力截肢受试者完成日常生活动作。本文中，我们研究了分析窗口与特征选择对利用时域特征分类不同手部和腕部动作精度的影响。我们表明，有效的数据预处理与最优特征选择有助于提升手部动作的分类精度。我们使用公开可用的 40 名健全受试者的手部和腕部手势数据集进行实验。基于不同分类算法计算的结果表明，所提出的预处理与特征选择优于基线方法，并达到了最高 98% 的分类精度。
引用
@article{arxiv.2002.00461,
title = {Effect of Analysis Window and Feature Selection on Classification of Hand Movements Using EMG Signal},
author = {Asad Ullah and Sarwan Ali and Imdadullah Khan and Muhammad Asad Khan and Safiullah Faizullah},
journal= {arXiv preprint arXiv:2002.00461},
year = {2020}
}
备注
Accepted to Intelligent Systems Conference (IntelliSys) 2020