基于肌电信号的机器人手假肢的功能变量选择
应用统计
2018-05-09 v1
摘要
最先进的机器人手假肢通过使用前臂肌电图（EMG）信号特征的模式识别（PR）算法来产生手指和手腕运动，但需要大量训练，且对训练数据之外的情况预测效果差（Peerdeman et al., 2011; Scheme et al., 2010）。我们提出一种新方法，通过在考虑 PR 算法忽略的手部运动生理特征的模型中利用 EMG 信号的近期历史，来开发动态机器人肢体。为此，我们将 EMG 信号视为函数型协变量，并开发一种函数型线性模型，通过允许随当前手指/手腕位置变化的二元系数函数，量化 EMG 信号对手指/手腕速度的影响。该模型通过称为序贯自适应函数经验组 LASSO（SAFE-gLASSO）的两步变量选择过程变得简洁且可解释。数值研究表明，与流行替代方法相比，SAFE-gLASSO 具有优异的选择与预测性质。对于我们动机数据集，该方法正确识别出已知对健全受试者重要的少数 EMG 信号，假阳性可忽略，且该模型可直接在机器人假肢中实现。
引用
@article{arxiv.1805.03098,
title = {Functional Variable Selection for EMG-based Control of a Robotic Hand Prosthetic},
author = {Md Nazmul Islam and Jonathan Stallings and Ana-Maria Staicu and Dustin Crouch and Lizhi Pan and He Huang},
journal= {arXiv preprint arXiv:1805.03098},
year = {2018}
}